基于扩散模型的表情迁移方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于扩散模型的表情迁移方法，该方法包括获取待迁移图像和待分割图像；将待迁移图像和待分割图像分别输入至预设扩散模型中，获取待迁移图像对应的表情特征和待分割图像对应的轮廓特征；将表情特征和轮廓特征分别输入至预设标签模型中，获取表情特征对应的表情语义标签和轮廓特征对应的轮廓语义标签；根据表情语义标签和轮廓语义标签，对表情特征和轮廓特征进行图像融合，得到目标人脸图像。本发明专利技术基于扩散模型对表情特征和轮廓特征进行提取，提高了图像特征的采样质量，增加了捕捉表情特征的多样性。通过表情语义标签和轮廓语义标签进行图像融合，降低了图像融合的复杂度，增强了目标人脸图像的细节，使得目标人脸图像更加自然。标人脸图像更加自然。标人脸图像更加自然。

【技术实现步骤摘要】
基于扩散模型的表情迁移方法、装置、设备及介质


[0001]本专利技术涉及生物识别
，尤其涉及一种基于扩散模型的表情迁移方法、装置、设备及介质。

技术介绍

[0002]人脸表情迁移技术是指通过某种映射关系，将输入人脸的表情迁移到目标人脸上。该技术不仅可以使得用户通过输入人脸来控制目标图片或视频中的人脸表情，还能为人脸识别任务提供数据增强服务。
[0003]现有技术，往往是通过生成对抗网络对图像进行语义切割，主要是通过生成对抗网络中的隐空间对图像进行二进制分割，并且通过生成对抗网络对图像进行分割时，需要通过设置额外的编码器将图像映射到隐空间进行图像分割。而且生成对抗网络无法学习整个图像的数据分布，导致特征提取质量差，以及捕捉特征的多样性不够丰富。

技术实现思路

[0004]本专利技术实施例提供一种基于扩散模型的表情迁移方法、装置、设备及介质，以解决现有技术中特征采样质量差以及捕捉特征的多样性不够丰富的问题。
[0005]一种基于扩散模型的表情迁移方法，包括：
[0006]获取待迁移图像和待分割图像；所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于扩散模型的表情迁移方法，其特征在于，包括：获取待迁移图像和待分割图像；所述待迁移图像和所述待分割图像是不同的图像；将所述待迁移图像和所述待分割图像分别输入至预设扩散模型中，获取所述待迁移图像对应的表情特征，以及所述待分割图像对应的轮廓特征；将所述表情特征和所述轮廓特征分别输入至预设标签模型中，获取所述表情特征对应的表情语义标签，以及所述轮廓特征对应的轮廓语义标签；根据所述表情语义标签和所述轮廓语义标签，对所述表情特征和所述轮廓特征进行图像融合，得到目标人脸图像。2.如权利要求1所述的基于扩散模型的表情迁移方法，其特征在于，所述获取待迁移图像之前，还包括：获取初始图像，并对所述初始图像进行噪音扩散处理，得到噪音初始图像；对所述噪音初始图像进行去噪预测处理，得到所述待迁移图像。3.如权利要求1所述的基于扩散模型的表情迁移方法，其特征在于，所述获取所述待迁移图像对应的表情特征，包括：通过所述预设扩散模型中的下采样模块对所述待迁移图像进行下采样处理，得到下采样特征；通过所述预设扩散模型中的上采样模块对所述下采样特征进行上采样处理，得到表情特征。4.如权利要求3所述的基于扩散模型的表情迁移方法，其特征在于，所述下采样模块包括至少一组的卷积层以及下池化层；所述通过所述预设扩散模型中的下采样模块对所述待迁移图像进行下采样处理，得到下采样特征，包括：通过所述预设扩散模型中的所述卷积层对所述待迁移图像进行卷积处理，得到卷积特征；通过所述预设扩散模型中的下池化层对所述卷积特征进行池化处理，得到下采样特征。5.如权利要求3所述的基于扩散模型的表情迁移方法，其特征在于，所述上采样模块包括至少一组的转置卷积层以及上池化层；所述通过所述预设扩散模型中的上采样模块对所述下采样特征进行上采样处理，得到表情特征，包括：通过所述预设扩散模型中的所述上池化层对所述下采样特征进行池化处理，得到上池化特征；通过所述预设扩散模型中的所述转置卷积层对所述上池化特征进行转置卷积处理，得到上采样特征；对所有所述上采样特征进行一维卷积处理，得到所有所述表情特征。6.如权利要求1所述...

【专利技术属性】
技术研发人员：李泽远，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：