模型训练、信息输出方法，装置，设备以及存储介质制造方法及图纸

本公开提供模型训练、信息输出方法，装置，设备以及存储介质，涉及图像处理领域，具体涉及计算机视觉、增强现实、深度学习技术领域。具体实现方案为：获取训练样本集合，训练样本集合包括样本捏脸参数以及对应的样本二维人脸图像；利用训练样本集合训练目标模型中的第一子模型，第一子模型用于表征捏脸参数与二维人脸图像的对应关系；响应于确定第一子模型训练完成，根据训练样本集合以及训练完成的第一子模型，训练目标模型的第二子模型，第二子模型用于表征二维人脸图像与特征向量的对应关系。本实现方式可以对人脸图像进行半拟真重建。本实现方式可以对人脸图像进行半拟真重建。本实现方式可以对人脸图像进行半拟真重建。

【技术实现步骤摘要】
模型训练、信息输出方法，装置，设备以及存储介质


[0001]本公开涉及图像处理领域，具体涉及计算机视觉、增强现实、深度学习
，尤其涉及模型训练、信息输出方法，装置，设备以及存储介质。

技术介绍

[0002]3D人脸重建仅仅是创建了一个人脸白模，即由空间点云和蒙皮技术构成的基础人脸重建效果。而越来越多的实际应用需要个性化人脸重建效果，着眼于在一定程度的风格变换基础上进行真实细节的融入，实现重建形状和重建纹理共同的风格迁移，称之为半拟真风格重建。同时包含了美颜化的风格与真实人脸细节，这种效果同时体现在人脸形状和纹理上。

技术实现思路

[0003]提供了一种模型训练、信息输出方法，装置，设备以及存储介质。
[0004]根据第一方面，提供了一种模型训练方法，包括：获取训练样本集合，训练样本集合包括样本捏脸参数以及对应的样本二维人脸图像；利用训练样本集合训练目标模型中的第一子模型，第一子模型用于表征捏脸参数与二维人脸图像的对应关系；响应于确定第一子模型训练完成，根据训练样本集合以及训练完成的第一子模型，训练目标模型的第二子模型，第二子模型用于表征二维人脸图像与特征向量的对应关系。
[0005]根据第二方面，提供了一种信息输出方法，包括：获取目标二维人脸图像以及初始捏脸参数；根据目标二维人脸图像、初始捏脸参数以及预先训练的目标模型，确定目标二维人脸图像对应的目标捏脸参数，目标模型通过如第一方面所描述的模型训练方法训练得到；输出目标捏脸参数。
[0006]根据第三方面，提供了一种模型训练装置，包括：样本获取单元，被配置成获取训练样本集合，训练样本集合包括样本捏脸参数以及对应的样本二维人脸图像；第一训练单元，被配置成利用训练样本集合训练目标模型中的第一子模型，第一子模型用于表征捏脸参数与二维人脸图像之间的对应关系；第二训练单元，被配置成响应于确定第一子模型训练完成，根据训练样本集合以及训练完成的第一子模型，训练目标模型的第二子模型，第二子模型用于表征二维人脸图像与特征向量之间的对应关系。
[0007]根据第四方面，提供了一种信息输出装置，包括：人脸图像获取单元，被配置成获取目标二维人脸图像以及初始捏脸参数；捏脸参数确定单元，被配置成根据目标二维人脸图像、初始捏脸参数以及预先训练的目标模型，确定目标二维人脸图像对应的目标捏脸参数，目标模型通过如第一方面所描述的模型训练方法训练得到；捏脸参数输出单元，被配置成输出目标捏脸参数。
[0008]根据第五方面，提供了一种执行模型训练方法的电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方
面所描述的方法。
[0009]根据第六方面，提供了一种执行信息输出方法的电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第二方面所描述的方法。
[0010]根据第七方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法或如第二方面所描述的方法。
[0011]根据第八方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法或如第二方面所描述的方法。
[0012]根据本公开的技术能够对人脸图像进行半拟真风格重建。
[0013]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0014]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0015]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0016]图2是根据本公开的模型训练方法的一个实施例的流程图；
[0017]图3是根据本公开的模型训练方法的另一个实施例的流程图；
[0018]图4是根据本公开的信息输出方法的一个实施例的流程图；
[0019]图5是根据本公开的信息输出方法的另一个实施例的流程图；
[0020]图6是根据本公开的模型训练方法、信息输出方法的一个应用场景的示意图；
[0021]图7是根据本公开的模型训练装置的一个实施例的结构示意图；
[0022]图8是根据本公开的信息输出装置的一个实施例的结构示意图；
[0023]图9是用来实现本公开实施例的模型训练方法、信息输出方法的电子设备的框图。
具体实施方式
[0024]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0025]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0026]图1示出了可以应用本公开的模型训练方法、信息输出方法或模型训练装置、信息输出装置的实施例的示例性系统架构100。
[0027]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0028]用户可以使用终端设备101、102、103通过网络104与服务器105交互，例如接收训练好的目标模型等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处
理类应用、社交平台类应用等。用户可以通过图像处理类应用以及从服务器105处目标模型对二维人脸图像进行半拟真风格重建。
[0029]终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0030]服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上提供训练好的目标模型的后台服务器。后台服务器可以利用训练样本分别对第一子模型和第二子模型进行训练，得到训练好的目标模型，并将目标模型反馈给终端设备101、102、103。
[0031]需要说明的是，服务器105可以是硬本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：获取训练样本集合，所述训练样本集合包括样本捏脸参数以及对应的样本二维人脸图像；利用所述训练样本集合训练目标模型中的第一子模型，所述第一子模型用于表征捏脸参数与二维人脸图像的对应关系；响应于确定所述第一子模型训练完成，根据所述训练样本集合以及训练完成的第一子模型，训练所述目标模型的第二子模型，所述第二子模型用于表征二维人脸图像与特征向量的对应关系。2.根据权利要求1所述的方法，其中，所述根据所述训练样本集合以及训练完成的第一子模型，训练所述目标模型的第二子模型，包括：根据所述训练样本集合中的各样本捏脸参数以及所述训练完成的第一子模型，确定参考二维人脸图像集合；根据所述训练样本集合中的各样本二维人脸图像以及所述参考二维人脸图像集合，训练所述目标模型的第二子模型。3.根据权利要求2所述的方法，其中，所述根据所述训练样本集合中的各样本捏脸参数以及所述训练完成的第一子模型，确定参考二维人脸图像集合，包括：将所述训练样本集合中各训练样本的样本捏脸参数输入训练完成的第一子模型，将训练完成的第一子模型的输出作为输入的样本捏脸参数对应的参考二维人脸图像，得到所述参考二维人脸图像集合。4.根据权利要求2所述的方法，其中，所述根据所述训练样本集合中的各样本二维人脸图像以及所述参考二维人脸图像集合，训练所述目标模型的第二子模型，包括：将所述参考二维人脸图像集合中的各参考二维人脸图像输入所述第二子模型，得到各参考二维人脸图像对应的第一特征向量；将输入训练完成的第一子模型的样本捏脸参数对应的样本二维人脸图像输入所述第二子模型，得到各样本二维人脸图像对应的第二特征向量；根据各第一特征向量以及各第二特征向量迭代调整所述第二子模型的参数。5.根据权利要求1
‑
4任一项所述的方法，其中，所述获取训练样本集合，包括：生成多个样本捏脸参数；对各样本捏脸参数进行渲染，确定与各样本捏脸参数对应的样本二维人脸图像，得到所述训练样本集合。6.根据权利要求1
‑
5任一项所述的方法，其中，所述利用所述训练样本集合训练目标模型中的第一子模型，包括：将所述训练样本集合中各训练样本的样本捏脸参数作为所述第一子模型的输入，根据所述第一子模型的输入与所输入的样本捏脸参数对应的样本二维人脸图像之间的差异调整所述第一子模型的参数。7.一种信息输出方法，包括：获取目标二维人脸图像以及初始捏脸参数；根据所述目标二维人脸图像、所述初始捏脸参数以及预先训练的目标模型，确定所述目标二维人脸图像对应的目标捏脸参数，所述目标模型通过权利要求1
‑
6任一项所述的模
型训练方法训练得到；输出所述目标捏脸参数。8.根据权利要求7所述的方法，其中，所述根据所述目标二维人脸图像、所述初始捏脸参数以及预先训练的目标模型，确定所述目标二维人脸图像对应的目标捏脸参数，包括：根据所述初始捏脸参数以及所述目标模型中的第一子模型，确定初始二维人脸图像；根据所述初始二维人脸图像、所述目标二维人脸图像以及所述目标模型中的第二子模型，调整所述初始捏脸参数，得到所述目标捏脸参数。9.根据权利要求8所述的方法，其中，所述根据所述初始二维人脸图像、所述目标二维人脸图像以及所述目标模型中的第二子模型，调整所述初始捏脸参数，得到所述目标捏脸参数，包括：将所述初始二维人脸图像输入所述第二子模型，得到第三特征向量；将所述目标二维人脸图像输入所述第二子模型，得到第四特征向量；根据所述第三特征向量以及所述第四特征向量，迭代调整所述初始捏脸参数，得到所述目标捏脸参数。10.根据权利要求7
‑
9任一项所述的方法，其中，所述方法还包括：对所述目标捏脸参数进行渲染，重建所述目标二维人脸图像。11.一种模型训练装置，包括：样本获取单元，被配置成获取训练样本集合，所述训练样本集合包括样本捏脸参数以及对应的样本二维人脸图像；第一训练单元，被配置成利用所述训练样本集合训练目标模型中的第一子模型，所述第一子模型用于表征捏脸参数与二维人脸图像之间的对应关系；第二训练单元，被配置成响应于确定所述第一子模型训练完成，根据所述训练样本集合以及训练完成的第一子模型，训练所述目标模型的第二子模型，所述第二子模型用于表征...

【专利技术属性】
技术研发人员：王迪，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：