脸部图像的生成方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种脸部图像的生成方法、装置、电子设备及存储介质，该方法包括通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像的初始特征；获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征；将调整后的所述初始特征输入到确定参数后的第一子流模型中进行逆运算，得到与调整后的所述初始特征对应的第一目标脸部图像，从而可以根据初始脸部图像快速得到目标脸部图像，简化了用户的捏脸操作，并使得用户可以快速的得到自己想要的属性特征。到自己想要的属性特征。到自己想要的属性特征。

【技术实现步骤摘要】
脸部图像的生成方法、装置、电子设备及存储介质


[0001]本申请涉及脸部图像的生成
，尤其涉及一种脸部图像的生成方法、装置、电子设备及存储介质。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前捏脸在各种平台和系统中均受到广泛的应用，例如，在MMO游戏中占有巨大的比重，很多玩家会花大量的时间把玩捏脸系统，以得到自己理想中的脸部图像或模型。但是，目前相关技术中虽然会开放大量的属性设置给玩家，但玩家难以快速的得到自己想要的属性，比如金发，络腮胡的50岁男性，可能需要用户一步步设置具体的脸部参数和特征，从而导致捏脸的操作十分复杂且很难得到自己想要的脸部图像。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种脸部图像的生成方法、装置、电子设备及存储介质。
[0005]基于上述目的，本申请提供了一种脸部图像的生成方法，包括：
[0006]通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；
[0007]基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像的初始特征；
[0008]获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征；其中，所述第一条件信息与所述第一分类特征属于同一类型；
[0009]将调整后的所述初始特征输入到确定参数后的所述第一子流模型中进行逆运算，得到与调整后的所述初始特征对应的第一目标脸部图像。
[0010]基于同一专利技术构思，本申请示例性实施例还提供了一种脸部图像的生成装置，包括：
[0011]分类特征提取模块，通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；
[0012]图像特征提取模块，基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像的初始特征；
[0013]调整模块，获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征；其中，所述第一条件信息与所述第一分类特征属于同一类型；
[0014]图像生成模块，将调整后的所述初始特征输入到确定参数后的所述第一子流模型
中进行逆运算，得到与调整后的所述初始特征对应的第一目标脸部图像。
[0015]基于同一专利技术构思，本申请示例性实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器执行所述程序时实现如上所述的脸部图像的生成方法。
[0016]基于同一专利技术构思，本申请示例性实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的脸部图像的生成方法。
[0017]从上面所述可以看出，本申请提供的脸部图像的生成方法、装置、电子设备及存储介质，通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像的初始特征；获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征；其中，所述第一条件信息与所述第一分类特征属于同一类型；将调整后的所述初始特征输入到确定参数后的所述第一子流模型中进行逆运算，得到与调整后的所述初始特征对应的第一目标脸部图像，从而可以根据初始脸部图像快速得到目标脸部图像，简化了用户的捏脸操作，同时，通过用户输入的条件信息对最后生成的目标脸部图像进行了调整，使得用户可以快速的得到自己想要的属性特征。
附图说明
[0018]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例的一种脸部图像的生成方法的流程示意图；
[0020]图2为本申请实施例的另一种脸部图像的生成方法的流程示意图；
[0021]图3为本申请实施例的又一种脸部图像的生成方法的流程示意图；
[0022]图4为本申请实施例的一种脸部图像的生成装置的结构示意图；
[0023]图5为本申请实施例的一种具体的电子设备的结构示意图。
具体实施方式
[0024]下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请，而并非以任何方式限制本申请的范围。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
[0025]根据本申请的实施方式，提出了一种脸部图像的生成方法、装置、电子设备及存储介质。
[0026]在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
[0027]下面参考本申请的若干代表性实施方式，详细阐释本申请的原理和精神。
[0028]专利技术概述
[0029]目前相关技术中，通过捏脸系统来得到脸部图像一般有三种方法，第一种是用骨骼动画来实现，第二种是使用变形动画(morph)来实现，第三种是通过捏制面部纹理来实现。用骨骼动画实现捏脸要求在面部每个细节部位绑定若干骨骼，通过移动骨骼带动面部网格顶点移动，网格顶点的移动再反馈到另外一套用于表情动画的骨骼蒙皮中。用变形动画实现捏脸要求先制作若干极端情况下的脸型模型，通过调节参数(权重)来混合这些极端模型，产生新的面部网格顶点；面部网格顶点生成后可以反馈到骨骼蒙皮中用于表情动画，也可以继续使用变形动画的方式和代表表情的极端模型相混合来产生表情动画。最后，捏脸的另一种表现形式是捏制面部纹理，比如眉毛胡子的浓淡、嘴唇颜色、眉毛高低等，这些并不需要网格模型做变动，仅通过变化纹理即可实现；纹理的捏制和变形动画类似，也是通过若干极端状态下的纹理根据参数混合而来。但是，对于用户来说，不管采用上述相关技术中的哪种实现方式，要想得到一张自己满意的脸型图像都需要进行大量的参数调整。其次对于美术而言，需要进行大量的脸部模型的制作以供后续进行融合，工程量巨大。
[0030]为了解决上述问题，本申请提供了一种脸部图像的生成方法，具体包括：
[0031]通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脸部图像的生成方法，其特征在于，包括：通过训练获得的第一神经网络的第一子分类模型获取初始脸部图像的第一分类特征；基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，并将所述目标脸部图像输入到确定参数后的所述第一子流模型中进行前向运算，得到初始脸部图像的初始特征；获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征；其中，所述第一条件信息与所述第一分类特征属于同一类型；将调整后的所述初始特征输入到确定参数后的所述第一子流模型中进行逆运算，得到与调整后的所述初始特征对应的第一目标脸部图像。2.根据权利要求1所述的方法，其特征在于，在得到与调整后的所述初始特征对应的第一目标脸部图像之后，所述方法还包括：通过训练获得的第二神经网络的第二子分类模型获取所述第一目标脸部图像的第二分类特征；基于所述第二分类特征确定所述第二神经网络的第二子流模型的参数，并将所述第一目标脸部图像输入到确定参数后的所述第二子流模型中进行前向运算，得到所述第一目标脸部图像的目标特征；获取用户输入的第二条件信息，基于所述第二条件信息调整所述目标特征；其中，所述第二条件信息与所述第二分类特征属于同一类型；将调整后的所述目标特征输入到所述第二子流模型中进行逆运算，得到与调整后的所述目标特征对应的第二目标脸部图像。3.根据权利要求1所述的方法，其特征在于，基于所述第一分类特征确定所述第一神经网络的第一子流模型的参数，具体包括：获取在训练所述第一神经网络的过程中确定的所述第一子流模型的参数与所述第一分类特征的映射关系；基于所述第一分类特征与所述映射关系确定所述第一子流模型的参数。4.根据权利要求3所述的方法，其特征在于，所述第一子流模型包括多个流程处理层；基于所述第一分类特征与所述映射关系确定所述第一子流模型的参数，具体包括：获取在训练所述第一神经网络的过程中确定的每个所述流程处理层的参数与所述第一分类特征的目标映射关系；基于所述第一分类特征与所述目标映射关系确定每个所述流程处理层的参数；基于所有的所述流程处理层的参数确定所述第一子流模型的参数。5.根据权利要求1所述的方法，其特征在于，获取用户输入的第一条件信息，基于所述第一条件信息调整所述初始特征，具体包括：确定所述第一条件信息对应的预设特征；对所述初始特征进行多次迭代调整；从多次迭代调整的结果中确定感知损失函数的损失处于预设范围的多个第一目标结果，...

【专利技术属性】
技术研发人员：王焱伟，刘勇成，胡志鹏，袁思思，程龙，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：