图像生成方法、芯片、电子设备及存储介质技术

本申请提供一种图像生成方法、芯片、电子设备及存储介质，该方法包括：获取原始图像集，所述原始图像集包括多个原始图像；基于基准视差量对所述原始图像集中的原始图像进行处理，得到景深图像；其中，所述基准视差量基于真实世界的视差分布生成，所述景深图像包括景深左图、景深右图及视差图。本申请提供的方法，可以提升景深图像的质量。提升景深图像的质量。提升景深图像的质量。

【技术实现步骤摘要】
图像生成方法、芯片、电子设备及存储介质


[0001]本申请涉及深度学习领域，尤其涉及一种图像生成方法、芯片、电子设备及存储介质。

技术介绍

[0002]随着人工智能(Artificial Intelligence，AI)技术的发展以及移动终端(例如，手机、平板)硬件能力的不断提升，AI技术，例如，深度学习，已经越来越多的应用在移动终端中，尤其是应用在双目视觉技术中。
[0003]然而，在深度学习的应用过程中，也带来了一些问题，例如，如何使用较少的训练数据训练出泛化性较强的模型，如何提高训练数据的质量等。为了较优的进行双目视觉训练，需要大量优质的双目景深数据。
[0004]目前，用于进行双目视觉训练的双目景深数据通常是合成数据或者是车载采集的数据，上述数据并不能较好的贴合移动终端双目视觉的需求，因此，如何提高上述双目景深训练数据的质量是目前亟需解决的问题。

技术实现思路

[0005]本申请提供了一种图像生成方法、芯片、电子设备及存储介质，可以提升景深图像的质量。
[0006]第一方面，本申请提供了一种图像生成方法，包括：
[0007]获取原始图像集，所述原始图像集包括多个原始图像；
[0008]基于基准视差量对所述原始图像集中的原始图像进行处理，得到景深图像；
[0009]其中，所述基准视差量基于真实世界的视差分布生成，所述景深图像包括景深左图、景深右图及视差图。
[0010]本申请中，基于景深数据的物理意义产生景深训练数据，可以使得生成的双目景深训练数据更贴合真实世界的景深数据分布，从而可以提高双目景深训练数据的质量。
[0011]其中一种可能的实现方式中，所述多个原始图像由移动终端拍摄获得。
[0012]其中一种可能的实现方式中，所述多个原始图像包括多个人物图像、多个物体图像及多个背景图像。
[0013]其中一种可能的实现方式中，所述基于基准视差量对所述原始图像集中的原始图像进行处理，得到景深图像包括：
[0014]从一个或多个人物图像中提取目标人物；
[0015]从一个或多个物体图像中提取目标物体；
[0016]将所述目标人物及所述目标物体融入第一目标背景图像中，得到所述景深左图，所述第一目标背景图像为所述多个背景图像中的任一图像；
[0017]基于基准视差量对所述景深左图进行处理，得到所述景深右图及所述视差图。
[0018]其中一种可能的实现方式中，所述基准视差量包括人物视差量、物体视差量及背
景视差量，所述基于基准视差量对所述景深左图进行处理，得到所述景深右图包括：
[0019]基于所述第一目标背景图像及所述背景视差量生成第二目标背景图像；
[0020]基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像，得到所述景深右图。
[0021]其中一种可能的实现方式中，所述基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像之后，所述方法还包括：
[0022]基于位置偏移信息对融入所述第二目标背景图像中的所述目标人物及所述目标物体进行偏移；
[0023]其中，所述位置偏移信息由所述第二目标背景图像中的背景的位置相对于所述第一目标背景图像中的背景的位置的偏移确定。
[0024]其中一种可能的实现方式中，所述基准视差量包括人物视差量、物体视差量及背景视差量，所述基于基准视差量对所述景深左图进行处理，得到所述景深右图包括：
[0025]将所述第一目标背景图像进行拉伸，得到第二目标背景图像；
[0026]基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像，得到所述景深右图。
[0027]其中一种可能的实现方式中，所述基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像之后，所述方法还包括：
[0028]基于位置偏移信息对融入所述第二目标背景图像中的所述目标人物及所述目标物体进行偏移；
[0029]其中，所述位置偏移信息由所述第二目标背景图像中的背景的位置相对于所述第一目标背景图像中的背景的位置的偏移及拉伸比例确定。
[0030]其中一种可能的实现方式中，所述基于基准视差量对所述景深左图进行处理，得到所述视差图包括：
[0031]获取所述景深左图中的所述目标人物、所述目标物体及背景的位置；
[0032]基于所述景深左图中的所述目标人物、所述目标物体、背景的位置及基准视差量生成视差图。
[0033]其中一种可能的实现方式中，所述基准视差量基于真实世界的视差分布随机生成。
[0034]第二方面，本申请提供了一种芯片，包括一个或多个功能模块，所述一个或多个功能模块用于执行如第一方面所述的图像生成方法。
[0035]第三方面，本申请提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于运行所述计算机程序，实现如第一方面所述的图像生成方法。
[0036]第四方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机实现如第一方面所述的图像生成方法。
[0037]第五方面，本申请提供一种计算机程序，当上述计算机程序在电子设备的处理器
上运行时，使得所述电子设备执行第一方面所述的图像生成方法。
[0038]在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
[0039]图1为本申请提供的图像生成方法一个实施例的流程示意图；
[0040]图2为本申请实施例提供的芯片的结构示意图；
[0041]图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0042]本申请实施例中，除非另有说明，字符“/”表示前后关联对象是一种或的关系。例如，A/B可以表示A或B。“和/或”描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
[0043]需要指出的是，本申请实施例中涉及的“第一”、“第二”等词汇，仅用于区分描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量，也不能理解为指示或暗示顺序。
[0044]本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。此外，“以下至少一项(个)”或者其类似表达，是指的这些项中的任意组合，可以包括单项(个)或复数项(个)的任意组合。例如，A、B或C中的至少一项(个)，可以表示：A，B，C，A和B，A和C，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像生成方法，其特征在于，所述方法包括：获取原始图像集，所述原始图像集包括多个原始图像；基于基准视差量对所述原始图像集中的原始图像进行处理，得到景深图像；其中，所述基准视差量基于真实世界的视差分布生成，所述景深图像包括景深左图、景深右图及视差图。2.根据权利要求1所述的方法，其特征在于，所述多个原始图像由移动终端拍摄获得。3.根据权利要求1或2所述的方法，其特征在于，所述多个原始图像包括多个人物图像、多个物体图像及多个背景图像。4.根据权利要求3所述的方法，其特征在于，所述基于基准视差量对所述原始图像集中的原始图像进行处理，得到景深图像包括：从一个或多个人物图像中提取目标人物；从一个或多个物体图像中提取目标物体；将所述目标人物及所述目标物体融入第一目标背景图像中，得到所述景深左图，所述第一目标背景图像为所述多个背景图像中的任一图像；基于基准视差量对所述景深左图进行处理，得到所述景深右图及所述视差图。5.根据权利要求4所述的方法，其特征在于，所述基准视差量包括人物视差量、物体视差量及背景视差量，所述基于基准视差量对所述景深左图进行处理，得到所述景深右图包括：基于所述第一目标背景图像及所述背景视差量生成第二目标背景图像；基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像，得到所述景深右图。6.根据权利要求5所述的方法，其特征在于，所述基于所述人物视差量将所述目标人物融入所述第二目标背景图像，以及基于所述物体视差量将所述目标物体融入所述第二目标背景图像之后，所述方法还包括：基于位置偏移信息对融入所述第二目标背景图像中的所述目标人物及所述目标物体进行偏移；其中，所述位置偏移信息由所述第二目标背景图像中的背景的位置相对于所述第一目标背景图像中的背景的位置的偏移确定。7.根据权利要求4所述的方法，其特征在于，所述基准视差量包括人物视差量、物体视差量及背景视差量，所述基于基准视差量对所述...

【专利技术属性】
技术研发人员：王奕言，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：