【技术实现步骤摘要】
图像重建模型的训练方法和虚拟场景渲染方法
[0001]本申请涉及图像处理
,特别是涉及一种图像重建模型的训练方法和虚拟场景渲染方法。
技术介绍
[0002]虚拟场景的呈现往往是通过渲染预先绘制好的贴图来展示材质纹理等效果。高分辨率的贴图能够包含更多的图像细节,因此为了呈现更加真实细腻的虚拟场景,往往会使用更高分辨率的贴图资源。
[0003]传统技术中通过对贴图进行高分辨率重建的方式将低分辨率的贴图转换为高分辨率的贴图。然而这种方式通常是对贴图整体全局提高分辨率,虽然提升了贴图的整体视觉效果,但同时牺牲了硬件性能,导致需要使用的CPU(Central Processing Unit,中央处理器)和GPU(GraphicsProcessing Unit,图形处理器)等硬件资源呈指数倍增加。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够合理优化低分辨率贴图资源的图像重建模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,以及虚拟场景渲染方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]一方面,本申请提供了一种图像重建模型的训练方法。所述方法包括:获取低分辨率样本图像和相应的标准高分辨率样本图像;通过图像重建模型中的生成网络对所述低分辨率样本图像进行解码处理,得到解码特征,并根据所述解码特征生成模拟高分辨率样本图像;通过所述图像重建模型中的判别网络,提取所述模拟高分辨率样本图像中的高频信息,得到高频特征图,以及通过所述判 ...
【技术保护点】
【技术特征摘要】
1.一种图像重建模型的训练方法,其特征在于,所述方法包括:获取低分辨率样本图像和相应的标准高分辨率样本图像;通过图像重建模型中的生成网络对所述低分辨率样本图像进行解码处理,得到解码特征,并根据所述解码特征生成模拟高分辨率样本图像;通过所述图像重建模型中的判别网络,提取所述模拟高分辨率样本图像中的高频信息,得到高频特征图,以及通过所述判别网络提取所述模拟高分辨率样本图像中的低频信息,得到低频特征图;融合所述高频特征图和所述低频特征图,得到模拟高分辨率图像;基于所述模拟高分辨率图像和所述标准高分辨率样本图像,对所述图像重建模型进行对抗训练,以得到训练好的图像重建模型;其中,所述训练好的图像重建模型中的生成网络,用于提升输入的图像的分辨率。2.根据权利要求1所述的方法,其特征在于,所述通过图像重建模型中的生成网络对所述低分辨率样本图像进行解码处理,得到解码特征,并根据所述解码特征生成模拟高分辨率样本图像,包括:将所述低分辨率样本图像输入至所述生成网络中的首层网络层,并通过所述首层网络层中的多个感知器分别进行解码处理,输出多个初始的处理结果;将所述多个初始的处理结果输入至下一层网络层,并通过所述下一层网络层中的多个感知器分别进行解码处理,直至进行多个轮次的解码处理后,由末层网络层输出最终的处理结果;其中,所述多个轮次中的当前轮次输出的解码特征,是基于前一轮次输出的解码特征生成得到的;对所述最终的处理结果进行重建处理,得到模拟高分辨率样本图像。3.根据权利要求1所述的方法,其特征在于,所述通过所述图像重建模型中判别网络,提取所述模拟高分辨率样本图像中的高频信息,得到高频特征图,包括:确定所述图像重建模型中判别网络中设置的至少一个高频通道,并确定所述至少一个高频通道各自对应的第一过滤器;分别基于与所述至少一个高频通道各自对应的所述第一过滤器对所述模拟高分辨率样本图像进行低频信息的过滤处理,得到所述至少一个高频通道各自对应的第一通道特征图;对所述至少一个高频通道各自对应的第一通道特征图进行融合,得到高频特征图。4.根据权利要求1所述的方法,其特征在于,所述通过所述判别网络中提取所述模拟高分辨率样本图像中的低频信息,得到低频特征图,包括:确定所述图像重建模型中判别网络中设置的至少一个低频通道,并确定与所述至少一个低频通道各自对应的第二过滤器;分别基于与所述至少一个低频通道各自对应的所述第二过滤器对所述模拟高分辨率样本图像进行高频信息的过滤处理,得到所述至少一个低频通道各自对应的第二通道特征图;对所述至少一个低频通道各自对应的第二通道特征图进行融合,得到低频特征图。5.根据权利要求1所述的方法,其特征在于,所述基于所述模拟高分辨率图像和所述标准高分辨率样本图像,对所述图像重建模型进行训练,以得到训练好的图像重建模型,包
括:将所述标准高分辨率样本图像输入至所述图像重建模型中判别网络,得到真实高分辨率图像;基于所述模拟高分辨率样本图像和所述标准高分辨率样本图像间的差异,构建与所述生成网络对应的第一损失函数,并基于所述模拟高分辨率图像和所述真实高分辨率图像间的差异,构建与所述判别网络对应的第二损失函数;基于所述第一损失函数和第二损失函数,对所述图像重建模型进行训练,直至所述生成网络与所述判别网络满足均衡约束条件,得到训练好的图像重建模型。6.根据权利要求5所述的方法,其特征在于,所述均衡约束条件包括最小化基于所述第一损失函数得到的损失,以使得所述生成网络所生成的模拟高分辨率图像与所述标准高分辨率样本图像间的差异最小化;且最大化基于所述第二损失函数得到的损失,以使得所述判别网络所输出的所述模拟高分辨率图像和所述真实高分辨率图像间的差异最大化。7.根据权利要求1所述的方法,其特征在于,所述得到模拟高分辨率图像之后,所述方法还包括:通过对所述模拟高分辨率样本图像进行升维处理,以使所述模拟高分辨率样本图像的维度与所述标准高分辨率样本图像的维度一致;其中,所述升维处理包括插值处理或上采样处理中的至少一种。8.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取待测试的低分辨率图像;将所述待测试的低分辨率图像输入至所述训练好的图像重建模型,并通过所述图像重建模型中的生成网络生成高分辨率重建图。9.根据权利要求8所述的方法,其特征在于...
【专利技术属性】
技术研发人员:徐东,
申请(专利权)人:腾讯科技深圳有限公司,
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。