人脸模型构建方法、人脸图像生成方法、设备及存储介质技术

本申请提供一种人脸模型构建方法、人脸图像生成方法、设备及存储介质，其中，该模型构建方法包括：获取训练样本，训练样本包括多个数据对，每个数据对包括第一人脸属性参数与对应的第一虚拟人脸图；将每个第一人脸属性参数输入至仿真器训练；将每个第一虚拟人脸图输入至第一编码器中得到对应的第一编码参数，将第一编码参数输入域自适应器训练得到第二编码参数；将第二编码参数输入至翻译器训练得到第二人脸属性参数；将第二人脸属性参数输入至仿真器得到第三虚拟人脸图。该人脸模型构建方法完全不需要人工标注，并且有着易部署，推断效率高的优点，生成更为真实、保持更多真实人脸图像五官特点的虚拟人脸图像，由此提高用户的体验度。验度。验度。

【技术实现步骤摘要】
人脸模型构建方法、人脸图像生成方法、设备及存储介质


[0001]本专利技术属于图像处理的
，具体涉及一种人脸模型构建方法、人脸图像生成方法、计算机设备及存储介质。

技术介绍

[0002]基于真实人脸照片的自动捏脸技术越来越多地被应用到各类游戏、社交软件中，自动捏脸可以便利用户获取期望的人脸模型，也增加了产品的趣味性。但是现有的自动捏脸技术方案基本都是基于仿真型虚拟形象进行设计的，由于虚拟人脸模型和真实人脸的风格差异过大，真实人脸的姿态、表情等属性也会加剧和虚拟人脸模型分布的差异，导致现有的自动捏脸技术方案在虚拟人脸模型上的表现很差。

技术实现思路

[0003]本申请提供一种人脸模型构建方法、人脸图像生成方法、计算机设备及存储介质，可以生成包括真实人脸图像五官特点的虚拟人脸图像。
[0004]第一方面，本申请提供了一种人脸模型的构建方法，所述方法包括：获取训练样本，所述训练样本包括多个数据对，每个所述数据对包括第一人脸属性参数及与所述第一人脸属性参数对应的第一虚拟人脸图；将每个所述数据对中的所述第一人脸属性参数输入至所述仿真器进行训练并生成第二虚拟人脸图，并计算所述第二虚拟人脸图与对应的所述第一虚拟人脸图的第一重构损失，以确定所述仿真器是否收敛；将每个所述数据对中的所述第一虚拟人脸图输入至所述第一编码器中得到对应的第一编码参数，将所述第一编码参数输入所述域自适应器进行训练得到第二编码参数，将所述第二编码参数输入至所述判别器以判断是否符合真实人脸特征分布，得到判别结果，并将所述判别结果反馈至所述域自适应器；将所述第二编码参数输入至所述翻译器进行训练得到第二人脸属性参数，根据所述第二人脸属性参数和对应的所述第一人脸属性参数计算第二重构损失，以确定所述域自适应器与所述翻译器是否收敛；将所述第二人脸属性参数输入至已经收敛的所述仿真器得到第三虚拟人脸图，计算所述第三虚拟人脸图与对应的第一虚拟人脸图的身份损失，以确定所述域自适应器与所述翻译器是否收敛。
[0005]第二方面，本申请还提供了一种人脸图像生成方法，所述方法包括：获取真实人脸图；将所述真实人脸图输入至人脸模型，得到虚拟人脸图，其中，所述人脸模型采用本申请实施例提供任一项所述的人脸模型构建方法构建得到的。
[0006]第三方面，本申请还提供了一种计算机设备，所述计算机设备包括：存储器和处理器；
其中，所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如本申请实施例提供的任一项所述的人脸模型构建方法的步骤，或者实现如本申请实施例提供的任一项所述的人脸图像生成方法的步骤。
[0007]第四方面，本申请还提供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，所述计算机程序被处理器执行时使所述处理器实现如本申请实施例提供的任一项所述的人脸模型构建方法的步骤，或者实现如本申请实施例提供的任一项所述的人脸图像生成方法的步骤。
[0008]本申请公开的人脸模型构建方法、人脸图像生成方法、设备及存储介质，通过引用迁移学习与对抗生成相结合的思想，提出的人脸模型构建方案完全不需要人工标注，并且有着易部署，推断效率高的优点，可以生成更为真实的虚拟人脸图像，即生成的虚拟人脸3D图像包括更多真实人脸图像五官细节特征，进而可以提高用户的体验度。
[0009]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0010]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本申请的实施例提供的一种人脸模型构建方法的步骤示意流程图；图2是本申请的实施例提供的一种捏脸引擎的界面示意图；图3是本申请的实施例提供的一种人脸模型的构建过程示意图；图4是本申请的实施例提供的一种迁移学习对象的示意图；图5是本申请的实施例提供的一种人脸模型的构建过程示意图；图6是本申请的实施例提供的一种人脸模型的结构示意图；图7是本申请的实施例提供的一种人脸模型的生成结果的效果示意图；图8是本申请的实施例提供的一种脸部特征参数的随机数获取方法的示意图；图9是本申请的实施例提供的另一种人脸模型的构建过程示意图；图10是本申请的实施例提供的另一种人脸模型的生成结果的效果示意图；图11是本申请的实施例提供的一种用于存储第一编码参数结构示意图；图12是本申请的实施例提供的又一种人脸网络模型的构建过程示意图；图13是本申请的实施例提供的一种人脸图像生成方法的示意流程图；图14是本申请的实施例提供的一种人脸图像生成效果示意图；图15是本申请的实施例提供的一种计算机设备的示意框图。
[0012]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
具体实施方式
[0013]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0014]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0015]应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0016]应当理解，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一识别模型和第二识别模型仅仅是为了区分不同的回调函数，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
[0017]还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0018]为便于理解本申请实施例，下面对本申请实施例中涉及到的一些词汇作简单说明。
[0019]1.人脸图像生成：是指根据获取的真实人物图像生成该人物的虚拟人脸3D图像，比如给定一张真实人物图像，根据人脸特征，利用训练好的人脸模型构建一个虚拟人脸3D图，让虚拟人脸图保留真实人脸图像的五官特征。
[0020]2.捏脸引擎：通过将输入的人脸属性参数生成对应的虚拟人脸图像。
[0021]3.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸模型构建方法，其特征在于，待构建的人脸模型包括的第一编码器、域自适应器、判别器、翻译器和仿真器；所述构建方法包括：获取训练样本，所述训练样本包括多个数据对，每个所述数据对包括第一人脸属性参数及与所述第一人脸属性参数对应的第一虚拟人脸图；将每个所述数据对中的所述第一人脸属性参数输入至所述仿真器进行训练并生成第二虚拟人脸图，并计算所述第二虚拟人脸图与对应的所述第一虚拟人脸图的第一重构损失，以确定所述仿真器是否收敛；将每个所述数据对中的所述第一虚拟人脸图输入至所述第一编码器中得到对应的第一编码参数，将所述第一编码参数输入所述域自适应器进行训练得到第二编码参数，将所述第二编码参数输入至所述判别器以判断是否符合真实人脸特征分布，得到判别结果，并将所述判别结果反馈至所述域自适应器；将所述第二编码参数输入至所述翻译器进行训练得到第二人脸属性参数，根据所述第二人脸属性参数和对应的所述第一人脸属性参数计算第二重构损失，以确定所述域自适应器与所述翻译器是否收敛；将所述第二人脸属性参数输入至已经收敛的所述仿真器得到第三虚拟人脸图，计算所述第三虚拟人脸图与对应的第一虚拟人脸图的身份损失，以确定所述域自适应器与所述翻译器是否收敛。2.根据权利要求1所述的人脸模型构建方法，其特征在于，在确定所述域自适应器与所述翻译器已收敛后，所述方法还包括：删除所述域自适应器，将所述编码器与所述翻译器连接，以及将所述仿真器替换为捏脸引擎。3.根据权利要求1所述的人脸模型构建方法，其特征在于，所述获取训练样本，包括：获取多个第一人脸属性参数，将每个所述第一人脸属性参数输入至捏脸引擎生成与所述第一人脸属性参数对应的第一虚拟人脸图；其中，所述第一人脸属性参数和对应的第一虚拟人脸图构成数据对，多个所述数据对构成所述训练样本。4.根据权利要求3所述的人脸模型构建方法，其特征在于，每个所述第一人脸属性参数包括脸部特征参数，所述脸部特征参数包括脸型长短、眼睛大小、嘴唇厚度、鼻子大小、耳朵大小、眉毛长短、额头大小中的一种或多种组合；所述获取多个第一人脸属性参数，包括：确定所述脸部特征参数对应的属性值范围，确定脸部特征参数在所述属性值范围中对应的目标属性值；基于所述目标属性值随机在所述属性值范围产生多个关于所述脸部特征参数的随机数...

【专利技术属性】
技术研发人员：林智慧，黄浩智，
申请(专利权)人：深圳元象信息科技有限公司，
类型：发明
国别省市：