【技术实现步骤摘要】
视频生成方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能及数字医疗
,尤其涉及一种视频生成方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能的发展,三维虚拟人驱动迁移方案也随之产生。在现有的三维虚拟人驱动迁移方案中,由于在迁移虚拟人物时,通常需要美工采用动作步骤工具等进行调整,导致虚拟人物形象在更换时,无法复用之前在别的人物形象上做的动画,造成新的动作视频的生成效率低下。随着三维虚拟人驱动迁移技术的兴起,三维虚拟人驱动迁移方案可以支持疾病辅助诊断、健康管理、远程会诊等功能。
技术实现思路
[0003]鉴于以上内容,有必要提供一种视频生成方法、装置、设备及存储介质,能够解决如何提高动作视频的生成效率的技术问题。
[0004]一方面,本专利技术提出一种视频生成方法,所述视频生成方法包括:
[0005]获取源人物的源视频序列,并获取目标人物的人物图像;
[0006]获取图像合成模型,所述图像合成模型包括人脸生成器及人脸判别器,所述人脸生成器包括表情提取网络及脸部特征提取网络;
[0007]根据所述表情提取网络,提取所述源视频序列中每张源人脸图像的表情特征;
[0008]根据所述脸部特征提取网络,提取所述人物图像的人脸特征;
[0009]根据所述表情特征及所述人脸特征生成多张目标人脸图像;
[0010]根据所述人脸判别器及每张源人脸图像对所述多张目标人脸图像进行检测;
[0011]若所述多张目标人脸图像均通过所述 ...
【技术保护点】
【技术特征摘要】
1.一种视频生成方法,其特征在于,所述视频生成方法包括:获取源人物的源视频序列,并获取目标人物的人物图像;获取图像合成模型,所述图像合成模型包括人脸生成器及人脸判别器,所述人脸生成器包括表情提取网络及脸部特征提取网络;根据所述表情提取网络,提取所述源视频序列中每张源人脸图像的表情特征;根据所述脸部特征提取网络,提取所述人物图像的人脸特征;根据所述表情特征及所述人脸特征生成多张目标人脸图像;根据所述人脸判别器及每张源人脸图像对所述多张目标人脸图像进行检测;若所述多张目标人脸图像均通过所述人脸判别器的检测,则基于预先训练完成的驱动参数识别模型,从所述多张目标人脸图像中提取混合形状驱动参数序列;渲染所述混合形状驱动参数序列,得到所述目标人物的视频动画。2.如权利要求1所述的视频生成方法,其特征在于,所述人脸判别器包括判别提取网络及判别输出网络,所述根据所述人脸判别器及每张源人脸图像对所述多张目标人脸图像进行检测包括:基于所述判别提取网络,从每张源人脸图像中提取源表情信息,并从每张目标人脸图像中提取目标表情信息;对比所述目标表情信息与所述源表情信息,得到差异表情信息;基于所述判别输出网络,对所述差异表情信息进行判别,得到判别结果;若所述判别结果均为预设结果,则确定所述多张目标人脸图像均通过所述人脸判别器的检测;或者若所述判别结果不均为所述预设结果,则确定所述多张目标人脸图像中存在目标人脸图像不通过所述人脸判别器的检测。3.如权利要求2所述的视频生成方法,其特征在于,在根据所述人脸判别器及每张源人脸图像对所述多张目标人脸图像进行检测之后,所述视频生成方法还包括:若所述多张目标人脸图像中存在目标人脸图像不通过所述人脸判别器的检测,则将所述判别结果不为所述预设结果的目标人脸图像确定为待处理图像;基于所述差异表情信息,对所述待处理图像进行表情调整,得到调整图像。4.如权利要求1所述的视频生成方法,其特征在于,所述驱动参数识别模型包括关键点识别网络、类别识别网络及每个脸部类别所对应的卷积网络及参数输出网络,所述基于预先训练完成的驱动参数识别模型,从所述多张目标人脸图像中提取混合形状驱动参数序列包括:基于所述关键点识别网络,识别每张目标人脸图像的人脸关键点;基于所述类别识别网络,从所述人脸关键点中识别出与每个脸部类别所对应的类别关键点;根据所述类别关键点在所述目标人脸图像上的位置信息,生成每个脸部类别的关键点编码信息;将所述关键点编码信息输入至所述对应的卷积网络中,得到每个脸部类别的位置特征;拼接多个所述位置特征,得到拼接特征;
基于所述参数输出网络对所述拼接特征进行映射处理,...
【专利技术属性】
技术研发人员:李佼,胡魁,徐玲玲,叶明,戴磊,陈远旭,
申请(专利权)人:平安科技深圳有限公司,
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。