高分辨率图像的获取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种高分辨率图像的获取方法、装置、电子设备及存储介质，涉及图像处理领域。包括：对多个客户端的游戏实时渲染的帧序列进行预设频率的采样，得到多个图像样本对；基于多个图像样本对对初始判别器进行训练，得到修正判别器；基于多个图像样本对和修正判别器对初始生成器进行训练，得到修正生成器；根据修正生成器对待优化图像进行优化，得到多场景下的高分辨率图像。通过对分布式的多个不同客户端的数据以预设频率进行采集，可以涵盖多型号的游戏设备和游戏过程中会出现的多种场景，在低成本的前提下，获取了大量能够覆盖多种游戏场景的高分辨率图像。够覆盖多种游戏场景的高分辨率图像。够覆盖多种游戏场景的高分辨率图像。

【技术实现步骤摘要】
高分辨率图像的获取方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理领域，具体而言，涉及一种高分辨率图像的获取方法、装置、电子设备及存储介质。

技术介绍

[0002]对于游戏而言，良好的画质可以提升用户的游戏体验，画质与图像的分辨率成正相关，但要获取大量的高分辨率图像，需要的时间和人力成本都较高。因此，可以采取机器学习的方式构建模型，基于少量的数据生成大量的高分辨率图像。但是游戏中的场景较为复杂，例如不同的环境，包括草地、水面、雪景等；或不同的时间，包括正午、夜晚等。在训练数据较少的情况下，模型生成的图像能够覆盖的场景有限，不能广泛应用在游戏中。

技术实现思路

[0003]为了解决上述技术问题，本申请实施例提供了一种高分辨率图像的获取方法、装置、电子设备及存储介质。
[0004]第一方面，本申请实施例提供了一种高分辨率图像的获取方法，所述方法包括：
[0005]对多个客户端的游戏实时渲染的帧序列进行预设频率的采样，得到多个图像样本对；
[0006]基于多个所述图像样本对对初始判别器进行训练，得到修正判别器；
[0007]基于多个所述图像样本对和所述修正判别器对初始生成器进行训练，得到修正生成器；
[0008]根据所述修正生成器对待优化图像进行优化，得到多场景下的高分辨率图像。
[0009]在一实施方式中，各所述图像样本对包括以第一预设分辨率渲染的第一样本和以第二预设分辨率渲染的第二样本，其中所述第一预设分辨率小于所述第二预设分辨率。/>[0010]在一实施方式中，所述基于多个所述图像样本对对初始判别器进行训练，得到修正判别器的步骤，包括：
[0011]将所述第一样本输入初始生成器，得到初始生成数据；
[0012]将所述初始生成数据输入所述初始判别器，得到第一判别参数；
[0013]将所述第二样本输入所述初始判别器，得到第二判别参数；
[0014]基于第一损失函数对所述第一判别参数和所述第二判别参数进行计算，得到第一训练损失；
[0015]基于所述第一训练损失对所述初始判别器进行调整，得到所述修正判别器。
[0016]在一实施方式中，所述基于多个所述图像样本对和所述修正判别器对初始生成器进行训练，得到修正生成器的步骤，包括：
[0017]基于第二损失函数对所述初始生成数据和所述第二样本进行计算，得到第二训练损失；
[0018]将所述初始生成数据输入所述修正判别器，得到第三判别参数；
[0019]基于第三损失函数对所述第三判别参数和所述第二训练损失进行计算，得到第三训练损失；
[0020]根据所述第三训练损失对所述初始生成器进行调整，得到修正生成器。
[0021]在一实施方式中，所述基于第三损失函数对所述第三判别参数和所述第二训练损失进行计算，得到第三训练损失的步骤，包括：
[0022]将所述第三判别参数的负自然对数乘以预设系数，并和所述第二训练损失相加，得到第三训练损失。
[0023]在一实施方式中，所述根据所述修正生成器对待优化图像进行优化，得到多场景下的高分辨率图像的步骤，包括：
[0024]对所述待优化图像以所述第一预设分辨率进行渲染，得到第三样本；
[0025]将所述第三样本输入所述修正生成器，以使所述修正生成器生成所述高分辨率图像；
[0026]其中，所述高分辨率图像的分辨率为所述第二预设分辨率。
[0027]在一实施方式中，所述初始生成器包括第一反卷积层、第一卷积层、第二反卷积层、第二卷积层、标准卷积层和第一非线性层；所述初始判别器包括第三卷积层、第四卷积层、维度变换层、全连接层和第二非线性层。
[0028]第二方面，本申请实施例提供了一种高分辨率图像的获取装置，所述装置包括：
[0029]采样模块，用于对多个客户端的游戏过程视频进行预设频率的图像采样，得到多帧初始场景图像；
[0030]渲染模块，用于对各所述初始场景图像以不同分辨率进行渲染，得到各初始场景图像的图像样本对；
[0031]第一训练模块，用于基于多个所述图像样本对对初始判别器进行训练，得到修正判别器；
[0032]第二训练模块，用于基于多个所述图像样本对和所述修正判别器对初始生成器进行训练，得到修正生成器；
[0033]优化模块，用于根据所述修正生成器对待优化图像进行优化，得到多场景下的高分辨率图像。
[0034]第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的高分辨率图像的获取方法。
[0035]第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的高分辨率图像的获取方法。
[0036]上述本申请提供的高分辨率图像的获取方法，通过对分布式的多个不同客户端的数据进行采集，可以涵盖多型号的游戏设备和游戏过程中会出现的多种场景，从而达到在低成本的前提下，通过生成器生成能够覆盖多种游戏场景的高分辨率图像。
附图说明
[0037]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本申请
保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0038]图1示出了本申请实施例提供的高分辨率图像的获取方法的一流程示意图；
[0039]图2示出了本申请实施例提供的训练初始判别器的一流程示意图；
[0040]图3示出了本申请实施例提供的训练初始生成器的一流程示意图；
[0041]图4示出了本申请实施例提供的初始生成器的一结构示意图；
[0042]图5示出了本申请实施例提供的初始判别器的一结构示意图；
[0043]图6示出了本申请实施例提供的高分辨率图像的获取装置的一结构示意图。
具体实施方式
[0044]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
[0045]通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
[0046]在下文中，可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分辨率图像的获取方法，其特征在于，所述方法包括：对多个客户端的游戏实时渲染的帧序列进行预设频率的采样，得到多个图像样本对；基于多个所述图像样本对对初始判别器进行训练，得到修正判别器；基于多个所述图像样本对和所述修正判别器对初始生成器进行训练，得到修正生成器；根据所述修正生成器对待优化图像进行优化，得到多场景下的高分辨率图像。2.根据权利要求1所述的高分辨率图像的获取方法，其特征在于，各所述图像样本对包括以第一预设分辨率渲染的第一样本和以第二预设分辨率渲染的第二样本，其中所述第一预设分辨率小于所述第二预设分辨率。3.根据权利要求2所述的高分辨率图像的获取方法，其特征在于，所述基于多个所述图像样本对对初始判别器进行训练，得到修正判别器的步骤，包括：将所述第一样本输入初始生成器，得到初始生成数据；将所述初始生成数据输入所述初始判别器，得到第一判别参数；将所述第二样本输入所述初始判别器，得到第二判别参数；基于第一损失函数对所述第一判别参数和所述第二判别参数进行计算，得到第一训练损失；基于所述第一训练损失对所述初始判别器进行调整，得到所述修正判别器。4.根据权利要求3所述的高分辨率图像的获取方法，其特征在于，所述基于多个所述图像样本对和所述修正判别器对初始生成器进行训练，得到修正生成器的步骤，包括：基于第二损失函数对所述初始生成数据和所述第二样本进行计算，得到第二训练损失；将所述初始生成数据输入所述修正判别器，得到第三判别参数；基于第三损失函数对所述第三判别参数和所述第二训练损失进行计算，得到第三训练损失；根据所述第三训练损失对所述初始生成器进行调整，得到修正生成器。5.根据权利要求4所述的高分辨率图像的获取方法，其特征在于，所述基于第三损失函数...

【专利技术属性】
技术研发人员：孟欣，廖嘉业，
申请(专利权)人：北京像素软件科技股份有限公司，
类型：发明
国别省市：