生成人脸属性变化图像的方法及相关装置制造方法及图纸

本申请实施例涉及人脸图像属性编辑技术领域，公开了一种生成人脸属性变化图像的方法及相关装置，第一阶段，采用第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型，模型输出第一特征潜码，使得第一特征潜码能够较高程度地还原第一人脸图像。可根据人脸属性变化需求，对第一特征潜码进行编辑修改，得到第二特征潜码。第二阶段，采用第一特征潜码和第一人脸图像，对上述初步训练好的生成式对抗网络进行训练，得到图像生成模型。将第二特征潜码输入至前述图像生成模型，得到人脸属性变化图像。对初步训练好的生成式对抗网络进行二次微调训练，能够保证不失真的情况下，生成相应属性变化的图像。性变化的图像。性变化的图像。

【技术实现步骤摘要】
生成人脸属性变化图像的方法及相关装置


[0001]本申请实施例涉及人脸图像属性编辑
，尤其涉及一种生成人脸属性变化图像的方法及相关装置。

技术介绍

[0002]随着拍照和短视频的崛起，广大用户对于人脸的拍摄质量有着更高的要求，希望能够个性化控制编辑人脸属性，即在拍摄过程中实现对自己的人脸属性按各自意愿进行修改调整，实现丰富的图像效果。
[0003]目前，电子产品往往提供几种设定好的模式，以供用户选择实现人脸属性编辑，然而，对人脸属性的编辑，不仅模式单一，无法提供个性化编辑，而且编辑后得到的图像容易失真。

技术实现思路

[0004]本申请实施例主要解决的技术问题是提供一种生成人脸属性变化图像的方法及相关装置，能够提供丰富的人脸属性可编辑性，还能保证图像不失真。
[0005]为解决上述技术问题，第一方面，本申请实施例中提供给了一种生成人脸属性变化图像的方法，包括：
[0006]获取第一人脸图像；
[0007]采用所述第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型，所述特征潜码生成模型输出第一特征潜码；
[0008]采用所述第一特征潜码和所述第一人脸图像，对所述初步训练好的生成式对抗网络进行训练，得到图像生成模型；
[0009]获取第二特征潜码，所述第二特征潜码是通过编辑所述第一特征潜码得到的；
[0010]将所述第二特征潜码输入所述图像生成模型，得到人脸属性变化图像。
[0011]在一些实施例中，所述方法还包括：
[0012]构建所述第一人脸图像的图像金字塔；
[0013]所述采用所述第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型，包括
[0014]采用所述图像金字塔和所述初步训练好的生成式对抗网络，对所述特征潜码生成网络进行训练，得到所述特征潜码生成模型。
[0015]在一些实施例中，所述采用所述图像金字塔和所述初步训练好的生成式对抗网络，对所述特征潜码生成网络进行训练，得到所述特征潜码生成模型，包括：
[0016]循环遍历所述图像金字塔中的图像层，将所述图像层输入所述特征潜码生成网络，得到中间特征潜码；
[0017]将所述中间特征潜码输入所述初步训练好的生成式对抗网络，得到中间人脸图像；
[0018]采用第一损失函数计算所述中间人脸图像和所述第一人脸图像之间的第一损失；
[0019]根据所述第一损失，对所述特征潜码生成网络进行迭代调参，直至所述特征潜码生成网络收敛，得到所述特征潜码生成模型。
[0020]在一些实施例中，所述第一损失函数包括第一图像感知损失和结构相似性损失，其中，所述结构相似性损失用于衡量所述中间人脸图像和所述图像层之间的结构相似度。
[0021]在一些实施例中，所述结构相似性损失为亮度相似值、对比度值和结构性相似值的乘积。
[0022]在一些实施例中，所述采用所述第一特征潜码和所述第一人脸图像，对所述初步训练好的生成式对抗网络进行训练，得到图像生成模型，包括：
[0023]将所述第一特征潜码输入所述初步训练好的生成式对抗网络，得到还原图像；
[0024]采用第二损失函数计算所述第一人脸图像和所述还原图像之间的第二损失；
[0025]根据所述第二损失，对所述初步训练好的生成式对抗网络进行迭代调参，直至所述初步训练好的生成式对抗网络收敛，得到所述图像生成模型。
[0026]在一些实施例中，所述第二损失函数包括第二图像感知损失和正则项损失。
[0027]在一些实施例中，所述方法还包括：
[0028]获取包括人脸的图像；
[0029]采用人脸关键点算法，获取所述图像中人脸的关键点；
[0030]根据所述图像中人脸的关键点，将所述图像中的人脸调整为正脸，并截取人脸有效区域，得到所述第一人脸图像。
[0031]为解决上述技术问题，第二方面，本申请实施例中提供给了一种电子设备，包括存储器以及一个或多个处理器，所述一个或多个处理器用于执行存储在所述存储器中的一个或多个计算机程序，所述一个或多个处理器在执行所述一个或多个计算机程序时，使得所述电子设备实现如上第一方面所述的方法。
[0032]为解决上述技术问题，第三方面，本申请实施例中提供给了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如上第一方面所述的方法。
[0033]本申请实施例的有益效果：区别于现有技术的情况，本申请实施例提供的生成人脸属性变化图像的方法，第一阶段，采用第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型。该特征潜码生成模型输出第一特征潜码，使得第一特征潜码能够较高程度地还原第一人脸图像，相当于，为后续人脸属性编辑提供准确的可编辑的向量。具体地，可根据人脸属性变化需求，对第一特征潜码中进行编辑修改，得到第二特征潜码。
[0034]第二阶段，采用第一特征潜码和第一人脸图像，对上述初步训练好的生成式对抗网络进行训练，得到图像生成模型。将第二特征潜码输入至前述图像生成模型，得到人脸属性变化图像。基于对初步训练好的生成式对抗网络进行二次微调训练，使得域外的第一人脸图像被映射到域内的潜在空间，使得编辑属性后的人脸属性变化图像不仅能够按第二特征潜码中携带的属性变化参数进行人脸属性变化，还能够进一步还原第一人脸图像的细节信息，即能够保证不失真的情况下，生成相应属性变化的图像。
附图说明
[0035]一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
[0036]图1为本申请一些实施例中生成式对抗网络的部分结构示意图；
[0037]图2为本申请一些实施例中对人脸属性进行编辑的应用场景；
[0038]图3为本申请一些实施例中生成人脸属性变化图像的方法的流程示意图；
[0039]图4为本申请一些实施例中生成人脸属性变化图像的整体过程；
[0040]图5为本申请一些实施例中电子设备的结构示意图。
具体实施方式
[0041]下面结合具体实施例对本申请进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本申请，但不以任何形式限制本申请。应当指出的是，对本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进。这些都属于本申请的保护范围。
[0042]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0043]需要说明的是，如果不冲突，本申请实施例中的各个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成人脸属性变化图像的方法，其特征在于，包括：获取第一人脸图像；采用所述第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型，所述特征潜码生成模型输出第一特征潜码；采用所述第一特征潜码和所述第一人脸图像，对所述初步训练好的生成式对抗网络进行训练，得到图像生成模型；获取第二特征潜码，所述第二特征潜码是通过编辑所述第一特征潜码得到的；将所述第二特征潜码输入所述图像生成模型，得到人脸属性变化图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：构建所述第一人脸图像的图像金字塔；所述采用所述第一人脸图像和初步训练好的生成式对抗网络，对特征潜码生成网络进行训练，得到特征潜码生成模型，包括采用所述图像金字塔和所述初步训练好的生成式对抗网络，对所述特征潜码生成网络进行训练，得到所述特征潜码生成模型。3.根据权利要求2所述的方法，其特征在于，所述采用所述图像金字塔和所述初步训练好的生成式对抗网络，对所述特征潜码生成网络进行训练，得到所述特征潜码生成模型，包括：循环遍历所述图像金字塔中的图像层，将所述图像层输入所述特征潜码生成网络，得到中间特征潜码；将所述中间特征潜码输入所述初步训练好的生成式对抗网络，得到中间人脸图像；采用第一损失函数计算所述中间人脸图像和所述第一人脸图像之间的第一损失；根据所述第一损失，对所述特征潜码生成网络进行迭代调参，直至所述特征潜码生成网络收敛，得到所述特征潜码生成模型。4.根据权利要求3所述的方法，其特征在于，所述第一损失函数包括第一图像感知损失和结构相似性损失，其中，所述结构相似性损失用于衡量所述中间人脸图像和所述图...

【专利技术属性】
技术研发人员：陈仿雄，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：