【技术实现步骤摘要】
服饰生成模型的训练、生成服饰图像的方法和装置
[0001]本公开涉及人工智能
,具体为增强现实AR、虚拟现实、计算机视觉、深度学习等
,可应用于元宇宙等场景,具体为一种服饰生成模型的训练、生成服饰图像的方法和装置。
技术介绍
[0002]近年来,随着计算机技术的迅速发展,图像处理技术应用于各方面。例如,卡通虚拟形象服饰个性化重建。需要根据拍摄的真人照片生成2D(二维)卡通虚拟形象服饰部件,要求生成的服饰满足给定模板形状,并且和原照片服饰保持较高相似度。
[0003]相关技术生成的服饰图像形状和纹理不受控制,无法实现特定款式形状和纹理的服饰图像高相似度重建。
技术实现思路
[0004]本公开提供了一种服饰生成模型的训练、生成服饰图像的方法、装置、设备、存储介质以及计算机程序产品。
[0005]根据本公开的第一方面,提供了一种训练服饰生成模型的方法,包括:获取服饰图像的样本集,其中,所述样本集中的样本包括形状掩码图像和纹理图像;从所述样本集中选取样本,并执行如下训练步骤:将所选取的样本输入初始的服饰生成模型,得到虚拟服饰图像;将所选取的样本图像的形状掩码图像和所述虚拟服饰图像组成负样本,并将所选取的样本图像的形状掩码图像和纹理图像组成正样本;将所述正样本和所述负样本分别输入判别器,计算判别损失;基于所述判别损失调整所述服饰生成模型的相关参数,生成目标服饰生成模型。
[0006]根据本公开的第二方面,提供了一种生成服饰图像的方法,包括:获取指定款式的服饰的形状图像和纹理图 ...
【技术保护点】
【技术特征摘要】
1.一种服饰生成模型的训练方法,包括:获取服饰的样本图像集,其中,所述样本图像集中的样本图像包括形状掩码图像和纹理图像;从所述样本图像集中选取样本图像,执行如下训练步骤:将所选取的样本图像输入初始服饰生成模型,得到虚拟服饰图像;将所选取的样本图像的形状掩码图像和所述虚拟服饰图像组成负样本,并将所述样本图像的形状掩码图像和纹理图像组成正样本;将所述正样本和所述负样本分别输入判别器,计算判别损失;基于所述判别损失调整所述服饰生成模型的相关参数,生成目标服饰生成模型。2.根据权利要求1所述的方法,其中,所述基于所述判别损失调整所述服饰生成模型的相关参数,生成目标服饰生成模型,包括:若所述判别损失小于预定值,则输出训练完成的目标服饰生成模型;否则,调整所述服饰生成模型的相关参数和所述判别器的相关参数,重新选取样本图像继续执行上述训练步骤。3.根据权利要求1所述的方法,其中,所述服饰生成模型包括特征提取模块和回归模块;以及所述将所选取的样本图像输入初始的服饰生成模型,得到虚拟服饰图像,包括:将所述纹理图像进行图像语义分割,得到纹理掩码图像;将所述样本图像的纹理掩码图像和形状掩码图像分别输入特征提取模块,得到纹理特征和形状特征;计算纹理特征和形状特征的空间对应关系;将所述空间对应关系输入回归模块,得到变形转换系数;通过所述变形转换系数对所述纹理图像进行变形后得到虚拟服饰图像。4.根据权利要求3所述的方法,其中,所述回归模块包括粗粒度回归模块和细粒度回归模块;以及所述将所述空间对应关系输入回归模块,得到变形转换系数,包括:将所述空间对应关系输入粗粒度回归模块,得到粗粒度变形转换系数;将所述空间对应关系输入细粒度回归模块,得到细粒度变形转换系数;所述通过所述变形转换系数对所述纹理图像进行变形后得到虚拟服饰图像,包括:通过所述粗粒度变形转换系数对所述纹理图像进行薄板样条变形后得到粗略服饰图像;通过所述细粒度变形转换系数对所述粗略服饰图像进行稠密变形后得到虚拟服饰图像。5.根据权利要求1所述的方法,其中,所述方法还包括:将所述虚拟服饰图像进行图像语义分割,得到分割掩码图像;计算所述分割掩码图像和所选取的样本图像的形状掩码图像之间的形状损失;根据所述形状损失和所述判别损失调整所述服饰生成模型的相关参数和所述判别器的相关参数。6.根据权利要求4所述的方法,其中,所述方法还包括:将所述粗略服饰图像进行图像语义分割,得到粗略分割掩码图像;
计算所述粗略分割掩码图像和所选取的样本图像的形状掩码图像之间的形状损失;根据所述形状损失和所述判别损失调整所述服饰生成模型的相关参数和所述判别器的相关参数。7.根据权利要求4所述的方法,其中,所述方法还包括:对薄板样条变形和稠密变形计算正则化损失;根据所述正则化损失和所述判别损失调整所述服饰生成模型的相关参数和所述判别器的相关参数。8.一种生成服饰图像的方法,包括:获取指定款式的服饰的形状图像和纹理图像;将所述形状图像和所述纹理图像输入如权利要求1
‑
7之一所述的方法生成的目标服饰生成模型中,生成指定款式的服饰图像。9.一种服饰生成模型的训练装置,包括:获取单元,被配置成获取服饰图像的样本图像集,其中,所述样本图像集中的样本图像包括形状掩码图像和纹理图像;训练单元,被配置成从所述样本图像集中选取样本图像,并执行如下训练步骤:将所选取的样本图像输入初始的服饰生成模型,得...
【专利技术属性】
技术研发人员:杨少雄,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。