本申请涉及一种虚拟换衣方法、装置、计算机设备和存储介质。方法包括：确定多组样本；每组样本中包括目标服装数据和换衣对象数据；换衣对象数据是从呈现对象穿戴原始服装的原始穿衣图像中提取的；原始服装与目标服装数据表征的目标服装的类别一致；通过待训练的换衣模型从换衣对象数据中学习对象的关键点与原始服装的关键点之间的位置关系；同一类别的服装的关键点对应的语义一致；基于位置关系对换衣对象数据和目标服装数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像；根据换衣图像和原始穿衣图像之间的差异确定目标损失，并根据目标损失对待训练的换衣模型进行优化，以得到训练完毕的换衣模型。采用本方法能够提高数据资源利用率。高数据资源利用率。高数据资源利用率。
【技术实现步骤摘要】
虚拟换衣方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种虚拟换衣方法、装置、计算机设备和存储介质。
技术介绍
[0002]近年来电子商务发展迅速，越来越多的消费者选择在电商平台上进行购物。但是消费者线上购买服装这类非标准品时，仅能凭借商家提供的数据和个人经验，因此，虚拟换衣技术应运而生。
[0003]传统技术中，至少需要商品衣服和对应穿戴该商品衣服的模特图片这类配对数据，通过对配对数据进行深度学习实现虚拟换衣的任务。这种方法过于依赖配对数据，对于除配对数据外的其他数据利用率低，导致数据资源的浪费。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高数据资源利用率的虚拟换衣方法、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]第一方面，本申请提供了一种虚拟换衣方法。方法包括：
[0006]确定多组样本；每组样本中包括目标服装数据和换衣对象数据；换衣对象数据是从呈现对象穿戴原始服装的原始穿衣图像中提取的；原始服装与目标服装数据表征的目标服装的类别一致；
[0007]通过待训练的换衣模型从换衣对象数据中学习对象的关键点与原始服装的关键点之间的位置关系；同一类别下的服装的关键点对应的语义一致；
[0008]基于位置关系对换衣对象数据和目标服装数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像；换衣图像中呈现对象穿戴目标服装的效果；
[0009]根据换衣图像和原始穿衣图像之间的差异确定目标损失，并根据目标损失对待训练的换衣模型进行优化，以得到训练完毕的换衣模型。
[0010]在一些实施例中，换衣对象数据包括对象骨架数据和原装关键点数据；原装关键点数据用于表征原始服装的关键点；通过待训练的换衣模型从换衣对象数据中学习对象的关键点与原始服装的关键点之间的位置关系，包括：
[0011]基于待训练的换衣模型中的门控机制从对象骨架数据中提取出骨架关键点数据；
[0012]通过对骨架关键点数据与原装关键点数据进行关联处理，学习对象的骨架关键点与原始服装的关键点之间的位置关系。
[0013]在一些实施例中，换衣对象数据包括对象纹理数据和区域掩码数据；区域掩码数据是指抠去影响目标服装穿戴的区域之后剩余的区域的掩码；基于待训练的换衣模型中的门控机制从对象骨架数据中提取出骨架关键点数据，包括：
[0014]对对象纹理数据和区域掩码数据进行融合，得到对象融合数据；
[0015]根据待训练的换衣模型中的门控数据从对象融合数据中提取出穿戴区域数据；穿
戴区域数据用于指示对象穿戴目标服装时的穿戴区域；
[0016]根据穿戴区域数据从对象骨架数据中提取出骨架关键点数据。
[0017]在一些实施例中，基于位置关系对换衣对象数据和目标服装数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像，包括：
[0018]根据位置关系将目标服装的关键点映射，得到目标服装的目标关键点数据；目标关键点数据用于表征对象穿戴目标服装时目标服装的关键点的位置；
[0019]基于目标关键点数据对目标服装数据进行调整，得到形变服装数据；形变服装数据表征的形变服装与对象的姿态相匹配；
[0020]对形变服装数据和换衣对象数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像。
[0021]在一些实施例中，基于目标关键点数据对目标服装数据进行调整，得到形变服装数据，包括：
[0022]对目标关键点数据和目标服装数据进行特征提取，得到形变特征数据；
[0023]根据形变特征数据对目标服装数据中的目标服装图像进行形变，得到形变服装数据。
[0024]在一些实施例中，目标损失包括第一损失；第一损失是根据换衣图像与原始穿衣图像之间的差异确定的；目标损失还包括第二损失或第三损失中的至少一种；第二损失是根据目标服装关键点数据和原装关键点数据之间的差异确定的；第三损失是根据形变服装数据和换衣对象数据中的原始服装数据之间的差异确定的。
[0025]在一些实施例中，对形变服装数据和换衣对象数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像，包括：
[0026]对形变服装数据和换衣对象数据进行第一分辨率的融合处理，得到第一分辨率对应的换衣结果；
[0027]从第一分辨率的下一分辨率起，依次确定当前分辨率，对形变服装数据、换衣对象数据和当前分辨率的上一分辨率对应的换衣结果进行融合处理，得到当前分辨率对应的换衣结果；
[0028]对最后一分辨率对应的换衣结果进行非线性映射处理，得到换衣图像。
[0029]第二方面，本申请还提供了一种虚拟试衣装置。装置包括：
[0030]确定模块，用于确定多组样本；每组样本中包括目标服装数据和换衣对象数据；换衣对象数据是从呈现对象穿戴原始服装的原始穿衣图像中提取的；原始服装与目标服装数据表征的目标服装的类别一致；
[0031]学习模块，用于通过待训练的换衣模型从换衣对象数据中学习对象的关键点与原始服装的关键点之间的位置关系；同一类别下的服装的关键点对应的语义一致；
[0032]输出模块，用于基于位置关系对换衣对象数据和目标服装数据进行虚拟换衣处理，得到待训练的换衣模型输出的换衣图像；换衣图像中呈现对象穿戴目标服装的效果；
[0033]优化模块，用于根据换衣图像和原始穿衣图像之间的差异确定目标损失，并根据目标损失对待训练的换衣模型进行优化，以得到训练完毕的换衣模型。
[0034]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法中的步骤。
[0035]第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法中的步骤。
[0036]第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法中的步骤。
[0037]上述虚拟换衣方法、装置、计算机设备、存储介质和计算机程序产品，通过每组样本中的目标服装数据和换衣对象数据作为待训练的换衣模型的训练数据，换衣对象数据是从原始穿衣图像中提取的，目标服装数据所表征的目标服装并非原始穿衣图像中的原始服装，目标服装和原始服装不要求完全一致，只要同类别即可。通过待训练的换衣模型从换衣对象数据中学习对象的关键点与原始服装的关键点之间的位置关系，同类别的服装的关键点对应的语义一致，上述位置关系一定程度上能够反映目标服装的关键点与对象的关键点之间的关系，进而基于位置关系能够实现换衣对象数据和目标服装数据的虚拟换衣处理，能够得到准确的换衣图像，基于换衣图像与原始图像之间的差异确定目标损失，根据目标损失优化待训练的换衣模型，以得到训练完毕的换衣模型，只需目标服装与原始服装同一类别，无需完全一致，大大本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种虚拟换衣方法，其特征在于，所述方法包括：确定多组样本；每组所述样本中包括目标服装数据和换衣对象数据；所述换衣对象数据是从呈现对象穿戴原始服装的原始穿衣图像中提取的；所述原始服装与所述目标服装数据表征的目标服装的类别一致；通过待训练的换衣模型从所述换衣对象数据中学习所述对象的关键点与原始服装的关键点之间的位置关系；同一类别下的服装的关键点对应的语义一致；基于所述位置关系对所述换衣对象数据和所述目标服装数据进行虚拟换衣处理，得到所述待训练的换衣模型输出的换衣图像；所述换衣图像中呈现所述对象穿戴目标服装的效果；根据所述换衣图像和所述原始穿衣图像之间的差异确定目标损失，并根据所述目标损失对所述待训练的换衣模型进行优化，以得到训练完毕的换衣模型。2.根据权利要求1所述的方法，其特征在于，所述换衣对象数据包括对象骨架数据和原装关键点数据；所述原装关键点数据用于表征所述原始服装的关键点；所述通过待训练的换衣模型从所述换衣对象数据中学习所述对象的关键点与原始服装的关键点之间的位置关系，包括：基于待训练的换衣模型中的门控机制从所述对象骨架数据中提取出骨架关键点数据；通过对所述骨架关键点数据与所述原装关键点数据进行关联处理，学习所述对象的骨架关键点与原始服装的关键点之间的位置关系。3.根据权利要求2所述的方法，其特征在于，所述换衣对象数据包括对象纹理数据和区域掩码数据；所述区域掩码数据是指抠去影响所述目标服装穿戴的区域之后剩余的区域的掩码；所述基于待训练的换衣模型中的门控机制从所述对象骨架数据中提取出骨架关键点数据，包括：对所述对象纹理数据和所述区域掩码数据进行融合，得到对象融合数据；根据待训练的换衣模型中的门控数据从所述对象融合数据中提取出穿戴区域数据；所述穿戴区域数据用于指示所述对象穿戴所述目标服装时的穿戴区域；根据所述穿戴区域数据从所述对象骨架数据中提取出骨架关键点数据。4.根据权利要求2所述的方法，其特征在于，所述基于所述位置关系对所述换衣对象数据和所述目标服装数据进行虚拟换衣处理，得到所述待训练的换衣模型输出的换衣图像，包括：根据所述位置关系将所述目标服装的关键点映射，得到所述目标服装的目标关键点数据；所述目标关键点数据用于表征所述对象穿戴所述目标服装时所述目标服装的关键点的位置；基于所述目标关键点数据对所述目标服装数据进行调整，得到形变服装数据；所述形变服装数据表征的形变服装与所述对象的姿态相匹配；对所述形变服装数据和所述换衣对象数据进行虚拟换衣处理，得到所述待训练的换衣模型输出的换衣...
【专利技术属性】
技术研发人员：李江，曲晓超，肖塞，刘洛麒，卢波，刘利朋，
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。