图像生成方法及其装置制造方法及图纸

本申请涉及一种图像生成方法及其装置

【技术实现步骤摘要】
图像生成方法及其装置、设备、介质、产品


[0001]本申请涉及图像处理技术，尤其涉及一种图像生成方法及其装置
、
设备
、
介质
、
产品
。

技术介绍

[0002]图像生成技术通常需要依赖深度信息，以便较好地体现出图像中各种对象的空间位置关系，一些应用场景中，常需根据一张图像的深度信息来实现更为复杂的图像生成，例如，在需要根据二维图像构建三维模型以便通过三维模型重新投影获得新的图像时，便需要获得这张二维图像的深度信息，相应的三维模型及其投影所得的图像，便可服务于诸如自动驾驶场景建构；又如，在需要根据二维图像实施图像分割时，便需要获得这张二维图像的深度信息，利用深度信息确定二维图像中的各个对象的边界，分割出目标对象，在此基础上得到或者重新形成新的图像
。
[0003]可见，图像的深度估计技术，对于图像生成具有重要的基础作用
。
传统的深度估计技术种类繁多，但随着深度学习模型的发展，基于深度学习实施单目深度估计的技术更为经济和流行
。
但是，基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像生成方法，其特征在于，包括：获取第一图像；将第一图像输入联合估计网络得到结果深度图，其中，所述联合估计网络通过两个以上的深度估计模型得到第一图像相应的单模型深度图后，融合全部单模型深度图得到所述结果深度图；根据所述结果深度图生成第二图像
。2.
根据权利要求1所述的图像生成方法，其特征在于，将第一图像输入联合估计网络得到结果深度图，包括：由所述联合估计网络中的各个深度估计模型预测出相应的单模型深度图；由所述联合估计网络中的调参网络根据预设的权重分布将各个单模型深度图融合为所述结果深度图
。3.
根据权利要求2所述的图像生成方法，其特征在于，获取第一图像之前，包括：以预设的训练数据集，分别将所述各个深度估计模型单独训练至收敛状态，其中，所述训练数据集包含多个样本图像及其用于监督模型学习的真实深度图；采用所述训练数据集中的样本图像作为训练样本，同步并行输入各个已经训练至收敛的深度估计模型，得到各个深度估计模型推理输出的单模型深度图；将所述训练样本相对应的各个单模型深度图输入调参网络，利用所述调参网络学习到的权重分布为各个单模型深度图匹配相应的权重实现加权融合，得到该训练样本相对应的预测深度图；根据所述训练样本的真实深度图与预测深度图之间的损失值调整所述调参网络的权重分布，在所述损失值未达到预设条件时，继续调用下一样本图像迭代训练所述调参网络
。4.
根据权利要求1所述的图像生成方法，其特征在于，将第一图像输入联合估计网络得到结果深度图，包括：由所述联合估计网络中的各个深度估计模型预测出相应的单模型深度图；将各个单模型深度图进行通道合并，得到多通道深度图集；将所述多通道深度图集输入预设的编解码模型中融合得到所述结果深度图
。5.
根据权利要求4所述的图像生成方法，其特征在于，获取第一图像之前，包括：以预设的训练数据集，分别将所述各个深度估计模型单独训练至收敛状态，其中，所述训练数据集包含多个样本图像及其用于监督模型学习的真实深度图；采用所述训练数据集中的样本图像作为训练样本，同步并行输入各个已经训练至收敛的深度估计模型，得到各个深度估计模型推理输出的单模型深度图；将每个训练样本相对应的各个单模型深度...

【专利技术属性】
技术研发人员：黄家冕，
申请(专利权)人：广州商耘网络科技有限公司，
类型：发明
国别省市：