一种生成虚拟试穿3D图像的方法技术

本说明书披露的多个实施例提供了一种生成虚拟试穿3D图像的方法。用户不必实际试穿服饰，就可以获取到表征用户对服饰的试穿效果的虚拟试穿3D图像，这对用户来说是比较便利的，并且，得到的虚拟试穿3D图像中人体模型与服饰模型的融合效果是比较逼真的。模型的融合效果是比较逼真的。模型的融合效果是比较逼真的。

【技术实现步骤摘要】
一种生成虚拟试穿3D图像的方法


[0001]本说明书多个实施例涉及信息
，尤其涉及一种生成虚拟试穿3D图像的方法。

技术介绍

[0002]目前在一些应用场景下，存在为用户制作试穿服饰类商品的试穿图像的需求。
[0003]这样的应用场景例如可以是用户在线下商店进行虚拟试衣。用户如果想要了解自己对某件服饰的上身效果，则不必进入试衣间进行实际试衣，而是利用自己的虚拟形象进行虚拟试衣，这样对用户来说是比较方便的。
[0004]基于此，需要一种比较有效的为用户生成虚拟试穿3D图像的方案。

技术实现思路

[0005]本说明书的多个实施例提供一种生成虚拟试穿3D图像的方法，以便能够生成比较逼真的虚拟试穿3D图像。
[0006]本说明书多个实施例提供技术方案如下：根据本说明书多个实施例的第一方面，提出了一种生成虚拟试穿3D图像的方法，包括：获取用户的人体尺寸参数；并且，对用户在未试衣状态下进行的模拟试衣操作进行监测，确定所述用户为连续多个不同的试衣状态分别指定的姿态参数与表情参数；针对任一试衣状态，将所述用户的人体尺寸参数、所述用户为该试衣状态指定的姿态参数、所述用户为该试衣状态指定的表情参数，输入到参数化人体模型后得到的3D
‑
mesh模型，作为该试衣状态下的非默认人体模型；针对第1个试衣状态，将所述用户的人体尺寸参数、所述用户在未试衣状态下的姿态参数、所述用户为第1个试衣状态指定的姿态参数、待试穿服饰的默认服饰模型，输入到预先训练好的第一映射模型，输出第1个试衣状态下的非默认服饰模型；其中，所述默认服饰模型与非默认服饰模型属于3D
‑
mesh模型，所述第一映射模型至少包括深度神经网络DNN；针对第i个试衣状态，将所述用户的人体尺寸参数、所述用户为第i
‑
1个试衣状态下的姿态参数、所述用户为第i个试衣状态指定的姿态参数、第i
‑
1个试衣状态下的非默认服饰模型，输入所述第一映射模型，输出第i个试衣状态下的非默认服饰模型；i=2，3，
…
，N，N为所述多个试衣状态的数量；针对任一试衣状态，将该试衣状态下的非默认人体模型与该试衣状态下的非默认服饰模型进行融合，得到相应的一帧虚拟试穿3D图像。
[0007]根据本说明书多个实施例的第二方面，提出了一种生成虚拟试穿3D图像的方法，包括：获取用户的人体尺寸参数；并且，对用户在未试衣状态下进行的模拟试衣操作进
行监测，确定所述用户为试衣状态指定的姿态参数与表情参数；将所述用户的人体尺寸参数、所述用户为所述试衣状态指定的姿态参数、所述用户为所述试衣状态指定的表情参数，输入到参数化人体模型后得到的3D
‑
mesh模型，作为所述试衣状态下的非默认人体模型；将所述用户的人体尺寸参数、所述用户在未试衣状态下的姿态参数、所述用户为所述试衣状态指定的姿态参数、待试穿服饰的默认服饰模型，输入到预先训练好的第一映射模型，输出所述试衣状态下的非默认服饰模型；其中，所述默认服饰模型与非默认服饰模型属于3D
‑
mesh模型，所述第一映射模型至少包括深度神经网络DNN；将所述试衣状态下的非默认人体模型与所述试衣状态下的非默认服饰模型进行融合，得到相应的一帧虚拟试穿3D图像。
[0008]根据本说明书多个实施例的第三方面，提出了一种计算设备，包括存储器、处理器；所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现第一方面所述方法。
[0009]根据本说明书多个实施例的第四方面，提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面所述方法。
[0010]在上述技术方案中，用户可以进行模拟试衣操作（不必实际试穿服饰），根据用户的模拟试穿操作，可以确定用户在连续多个不同的试衣状态下分别制定的姿态参数与表情参数。此外，用户的人体尺寸参数是在任何姿态与表情下都不会改变的，也是可以被获取到的。
[0011]将用户的人体尺寸参数、用户在某个试穿状态下的姿态参数与表情参数输入到参数化人体模型，可以输出该试衣状态下的人体模型。本文为了描述的清晰，将在未试穿状态下的人体模型称为默认人体模型，在试穿状态下的人体模型（会相对于默认人体模型发生一定的姿态变化或者表情变化）称为非默认人体模型。
[0012]考虑到一帧虚拟试穿3D图像是由人体模型与服饰模型进行融合而成，因此，在得到连续多个试衣状态下的非默认人体模型之后，还需要确定在每个试衣状态下与相应的非默认人体模型进行融合服饰模型。本文为了描述的清晰，将未试穿状态下的服饰模型称为默认服饰模型，将试穿状态下的服饰模型（会相对于默认服饰模型发生一定的形变）称为非默认模型。
[0013]而又考虑到一帧虚拟试穿3D图像中非默认人体模型与非默认服饰模型的融合效果应该尽可能逼真，因此，利用人工智能AI能力来学习未试穿状态与第一个试穿状态的之间的联系规律，上一个试穿状态与下一个试穿状态之间的联系规律，采用深度神经网络DNN进行第一映射模型的训练。利用训练好的第一映射模型，将未试穿状态（或上一个试穿状态）下的人体尺寸参数、姿态参数、服饰模型以及当前试穿状态下的姿态参数，映射为当前试穿状态下的服饰模型。
[0014]利用第一映射模型预测出的每个试衣状态下的非默认服饰模型，与相同试衣状态下的非默认人体模型进行融合的效果比较逼真。
[0015]当然，用户可以在未试衣状态下仅进行一次模拟试衣操作，产生一个试衣状态，得到一帧虚拟试穿3D图像，相关原理是类似的，不再赘述。
[0016]通过上述技术方案，用户不必实际试穿服饰，就可以获取到表征用户对服饰的试
穿效果的虚拟试穿3D图像，这对用户来说是比较便利的，并且，得到的虚拟试穿3D图像中人体模型与服饰模型的融合效果是比较逼真的。
附图说明
[0017]图1示例性提供一种生成虚拟试穿3D图像的方法的流程。
[0018]图2示例性提供另一种生成虚拟试穿3D图像的方法的流程。
[0019]图3是本公开提供的一种计算机可读存储介质的示意图。
[0020]图4是本公开提供的一种计算设备的结构示意图。
[0021]在附图中，相同或对应的标号表示相同或对应的部分。附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
具体实施方式
[0022]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0023]需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成虚拟试穿3D图像的方法，包括：获取用户的人体尺寸参数；并且，对用户在未试衣状态下进行的模拟试衣操作进行监测，确定所述用户为连续多个不同的试衣状态分别指定的姿态参数与表情参数；针对任一试衣状态，将所述用户的人体尺寸参数、所述用户为该试衣状态指定的姿态参数、所述用户为该试衣状态指定的表情参数，输入到参数化人体模型后得到的3D
‑
mesh模型，作为该试衣状态下的非默认人体模型；针对第1个试衣状态，将所述用户的人体尺寸参数、所述用户在未试衣状态下的姿态参数、所述用户为第1个试衣状态指定的姿态参数、待试穿服饰的默认服饰模型，输入到预先训练好的第一映射模型，输出第1个试衣状态下的非默认服饰模型；其中，所述默认服饰模型与非默认服饰模型属于3D
‑
mesh模型，所述第一映射模型至少包括深度神经网络DNN；针对第i个试衣状态，将所述用户的人体尺寸参数、所述用户为第i
‑
1个试衣状态下的姿态参数、所述用户为第i个试衣状态指定的姿态参数、第i
‑
1个试衣状态下的非默认服饰模型，输入所述第一映射模型，输出第i个试衣状态下的非默认服饰模型；i=2，3，
…
，N，N为所述多个试衣状态的数量；针对任一试衣状态，将该试衣状态下的非默认人体模型与该试衣状态下的非默认服饰模型进行融合，得到相应的一帧虚拟试穿3D图像。2.如权利要求1所述方法，获取用户的人体尺寸参数，包括：获取用户输入的人体测量数据，将所述人体测量数据输入训练好的第二映射模型，输出所述用户的人体尺寸参数；所述第二映射模型包括DNN；或者获取用户的全身照片，将所述全身照片输入预先训练好的第三映射模型，输出所述用户的人体尺寸参数；其中，所述第三映射模型包括卷积神经网络CNN。3.如权利要求1所述方法，对用户在未试衣状态下进行的模拟试衣操作进行监测，确定所述用户为连续多个不同的分别指定的姿态参数与表情参数，包括：对用户在未试衣状态下对所述用户的默认人体模型进行的连续多次调整操作；其中，每次调整操作包括姿态调整和/或表情调整，所述默认人体模型，是将所述用户的人体尺寸参数、所述用户在未试衣状态下的姿态参数、所述用户在未试衣状态下的表情参数，输入参数化人体模块后得到的3D
‑
mesh模型；针对每次调整操作，确定该次调整操作对应的姿态参数与表情参数；将该次调整操作定义为一个试衣状态，将该次调整操作对应的姿态参数与表情参数作为所述用户为该试衣状态指定的姿态参数与表情参数。4.如权利要求3所述方法，确定所述用户的人体尺寸参数、所述用户在未试衣状态下的姿态参数、所述用户在未试衣状态下的表情参数的步骤，包括：获取用户的全身照片，将所述全身照片输入预先训练好的第四映射模型，输出所述用户的人体尺寸参数、默认姿态参数、默认表情参数；其中，所述第四映射模型包括CNN；或者获取用户输入的人体测量数据，将所述人体测量数据输入训练好...

【专利技术属性】
技术研发人员：李津，蒋婉棋，
申请(专利权)人：杭州华鲤智能科技有限公司，
类型：发明
国别省市：