【技术实现步骤摘要】
基于生成对抗网络的张嘴笑表情生成方法、装置以及设备
[0001]本专利技术涉及图像处理
,尤其涉及基于生成对抗网络的张嘴笑表情生成方法、装置以及设备。
技术介绍
[0002]拍照时人们都尽量喜欢保持张嘴笑,但针对一些具有镜头恐惧或者笑容尴尬症的人,拍出来的效果往往不如意,为了处理表情的瑕疵往往需要通过复杂的p图操作,耗时又耗力。然而,现有传统方法难以通过曲线调整实现自然的面部肌肉走势,从而实现张嘴笑,无法生成牙齿等细节面部信息;基于cnn的方法也难以生成较好清晰完整的牙齿,且生成图像不够清晰自然。
技术实现思路
[0003]有鉴于此,本专利技术的目的在于提出一种基于生成对抗网络的张嘴笑表情生成方法、装置、设备以及计算机可读存储介质,旨在解决上述的问题,从而能够实现快速使图像中的人物生成自然的张嘴笑表情,让有笑容尴尬症的用户一展倾城笑颜。
[0004]为实现上述目的,本专利技术提供一种基于生成对抗网络的张嘴笑表情生成方法,所述方法包括:
[0005]对采集的原始人脸图以及对应所述原始人脸图的张嘴笑目标图进行预处理,将预处理后的所述原始人脸图作为训练数据图像,将预处理后的所述张嘴笑目标图作为目标监督图像;
[0006]将所述训练数据图像输入包括编码器以及stylegan2网络所构建的模型中并在所述目标监督图像的监督下、基于预设损失函数进行训练,得到张嘴笑表情生成模型;
[0007]获取待处理图像并输入所述张嘴笑表情生成模型,得到具有张嘴笑表情的结果生成图。
[ ...
【技术保护点】
【技术特征摘要】
1.一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述方法包括:对采集的原始人脸图以及对应所述原始人脸图的张嘴笑目标图进行预处理,将预处理后的所述原始人脸图作为训练数据图像,将预处理后的所述张嘴笑目标图作为目标监督图像;将所述训练数据图像输入包括编码器以及stylegan2网络所构建的模型中并在所述目标监督图像的监督下、基于预设损失函数进行训练,得到张嘴笑表情生成模型;获取待处理图像并输入所述张嘴笑表情生成模型,得到具有张嘴笑表情的结果生成图。2.根据权利要求1所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述对采集的原始人脸图以及对应所述原始人脸图的张嘴笑目标图进行预处理,包括:对所述原始人脸图以及所述张嘴笑目标图进行几何操作、以及亮度和噪声扰动,其中,所述几何操作包括裁剪、平移以及左右翻转。3.根据权利要求1所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述stylegan2网络包括生成器以及判别器;所述将所述训练数据图像输入包括编码器以及stylegan2网络所构建的模型中并在所述目标监督图像的监督下、基于预设损失函数进行训练,包括:通过所述编码器对所述训练数据图像进行特征提取并映射至隐空间,输出第一图像;将所述第一图像输入所述生成器进行脸部细节生成,输出第二图像;将所述第二图像输入所述判别器中并基于所述目标监督图像进行判别。4.根据权利要求3所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述通过所述编码器对所述训练数据图像进行特征提取并映射至隐空间,包括:通过所述编码器对所述训练数据图像进行9次卷积下采样操作。5.根据权利要求3所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述将所述第一图像输入所述生成器进行脸部细节生成,包括:通过所述生成器对所述第一图像进行9次卷积上采样操作。6.根据权利要求3所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述张嘴笑表情生成模型还包括预训练的人脸属性分类器;所述将所述训练数据图像输入包括编码器以及stylegan2网络所构建的模型中并在所述目标监督图像的监督下、基于预设损失函数进行训练,包括:通过所述人脸属性分类器对所述第二图像中根据预设的感兴趣区域的不同人脸区域进行分类。7.根据权利要求1所述的一种基于生成对抗网络的张嘴笑表情生成方法,其特征在于,所述预设损失函数为Loss=θ1Loss
cls<...
【专利技术属性】
技术研发人员:占小路,陈进山,罗铖,刘洛麒,
申请(专利权)人:厦门美图之家科技有限公司,
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。