System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种妆容转移方法、装置、电子设备及存储介质制造方法及图纸_技高网

一种妆容转移方法、装置、电子设备及存储介质制造方法及图纸

技术编号:41123617 阅读:2 留言:0更新日期:2024-04-30 17:50
本发明专利技术涉及一种妆容转移方法、装置、电子设备及存储介质,其方法包括:获取参考图像和源图像,基于拉普拉斯金字塔分别对参考图像和源图像进行分解,得到多个第一高频组分,以及第一低频残差和第二低频残差;基于预设的频率分解条件分别对第一高频组分、第一低频残差及第二低频残差进行频率分解,对应得到第二高频组分、第三低频残差及第四低频残差;利用FPMT网络对第三低频残差和第四低频残差进行化妆迁移操作,得到迁移后的低频组分,对第二高频组分进行细化操作,得到细化后的第三高频组分;对低频组分和第三高频组分进行重建操作,输出妆容转移图像。本发明专利技术通过提供一种轻量化结构的妆容转移方法,可以在不牺牲性能的情况下加快化妆转移过程。

【技术实现步骤摘要】

本专利技术涉及人脸编辑,尤其涉及一种妆容转移方法、装置、电子设备及存储介质


技术介绍

1、化妆通常用于掩盖瑕疵、提高吸引力或改变外貌,在现代生活中非常流行。化妆已成为许多人的日常必需品,并被公众广泛接受。作为时尚界的重要角色之一,化妆的演变甚至被认为是文化差异和社会趋势的反映。随着便携式成像设备和互联网的发展,获取化妆后的人脸图像变得更加容易。最近,越来越多的研究开始探索化妆后的人脸图像。化妆转移技术的主要目标是从参考面部图像中提取化妆风格信息,并将其转移到源图像中,同时尽可能保留源图像的内容信息。这种技术在电子商务、娱乐和美容行业显示出巨大的经济潜力,并广泛应用于许多实际应用中,如照片合成、网络直播和虚拟化妆试穿。

2、为了实现妆容迁移目标,现有技术中的妆容转移方法中通常采用编码器-解码器框架。该框架首先对输入进行编码,将包括参考图像和源图像在内的特征空间转换成低维特征空间。然后,通过融合分别从参考图像特征和源图像特征中提取的化妆风格和内容信息,在该空间中生成潜在嵌入。之后,这种嵌入被馈送到解码器中,以恢复空间分辨率并产生最终传输的输出。比如,beautygan引入了直方图匹配损失和双输入/输出生成对抗网络,以同时完成实例级别的补码转移和去除;beautyglow提出将glow模型生成的人脸图像的潜在向量分解为化妆和非化妆部分;ladn设计了多个重叠的局部鉴别器,用于更真实地转移化妆风格;pairedcyclegan为了处理不正确的头部姿势和面部表情,将每个人脸图像划分为具有不同语义的几个组件,并对每个组件进行化妆转换;遵循类似的思路,scgan将参考图像的化妆风格编码为组件风格代码;psgan和fat利用注意力机制计算两个输入图像之间的组件对应关系;ssat通过提取基于人脸解析图像的对应信息,将这种注意力计算扩展到语义领域;elegant提出了一种本地可编辑的gan,该方法允许在任意定制区域内编辑化妆。

3、但是现有方法通常只关注生成高质量的化妆迁移结果,对所设计模型的计算效率关注较少。即编码和解码过程通常会生成多个包含大量通道的中间特征图,导致了施加的卷积操作的高计算开销。因此,如何设计一种轻量化结构的妆容转移方法,在不牺牲性能的情况下加快化妆转移过程,是一个亟待解决的技术问题。


技术实现思路

1、有鉴于此,有必要提供一种妆容转移方法、装置、电子设备及存储介质,用以在不牺牲性能的情况下加快化妆转移过程。

2、为了实现上述目的,第一方面,本专利技术提供一种妆容转移方法,包括:

3、获取参考图像和源图像,基于拉普拉斯金字塔分别对所述参考图像和源图像进行分解,得到源图像的多个第一高频组分,以及参考图像的第一低频残差和源图像的第二低频残差;

4、基于预设的频率分解条件分别对所述第一高频组分、第一低频残差及第二低频残差进行频率分解,对应得到分解后的第二高频组分、分解后的第三低频残差及分解后的第四低频残差;

5、利用fpmt网络对分解后的第三低频残差和分解后的第四低频残差进行化妆迁移操作,得到迁移后的低频组分,对分解后的第二高频组分进行细化操作,得到细化后的第三高频组分,其中,所述fpmt网络为轻量级的编码器-解码器结构;

6、对迁移后的低频组分和细化后的第三高频组分进行重建操作,输出妆容转移图像。

7、进一步的,所述预设的频率分解条件包括:

8、

9、其中,hl-1为第一高频组分,为第一低频残差,为第二低频残差,h为输入图像的长度,w为输入图像的宽度,l为金字塔层数,r为输入图像,输入图像包括参考图像和源图像。

10、进一步的,所述利用fpmt网络对分解后的第三低频残差和分解后的第四低频残差进行化妆迁移操作,得到迁移后的低频组分,包括:

11、从所述分解后的第三低频残差和分解后的第四低频残差中提取化妆特征,其中,所述化妆特征包括第一化妆风格特征和第二化妆内容特征;

12、获取参考图像和源图像的面部解析结果,并从所述面部解析结果中提取语义特征;

13、基于预设的注意力模块对所述第一化妆风格特征和所述语义特征进行交叉注意力操作,得到与所述第一化妆内容特征语义对齐的第二化妆风格特征;

14、基于所述第二化妆风格特征确定转移参数,并利用所述转移参数将所述第一化妆内容特征生成所述低频组分。

15、进一步的,所述从所述分解后的第三低频残差和分解后的第四低频残差中提取化妆特征,包括:

16、采用化妆编码器从所述第三低频残差中提取第一化妆风格特征;

17、采用内容编码器从所述第四低频残差中提取第一化妆内容特征,其中,所述化妆编码器和所述内容编码器均包括一个卷积层和两个残差块。

18、进一步的,所述利用所述转移参数将所述第一化妆内容特征生成所述低频组分,包括:

19、对所述第一化妆内容特征进行调制操作,得到调制后的第二化妆内容特征;

20、将所述第二化妆内容特征进行解码,生成所述低频组分。

21、进一步的,利用fpmt网络对分解后的第二高频组分进行细化操作,得到细化后的第三高频组分,包括:

22、在每一金字塔层级构建细化网络,通过所述细化网络逐步预测每一第二高频组分对应的掩码;

23、在所述掩码对应的区域内更新化妆信息,得到细化后的第三高频组分。

24、进一步的,所述方法还包括:

25、设计损失函数,通过所述损失函数计算所述参考图像与所述妆容转移图像之间的妆容损失、内容损失及对抗损失,其中,所述损失函数包括妆容损失函数、内容损失函数及对抗损失函数。

26、第二方面,本专利技术还提供一种妆容转移装置,包括:

27、第一分解模块,用于获取参考图像和源图像,基于拉普拉斯金字塔分别对所述参考图像和源图像进行分解,得到源图像的多个第一高频组分,以及参考图像的第一低频残差和源图像的第二低频残差;

28、第二分解模块,用于基于预设的频率分解条件分别对所述第一高频组分、第一低频残差及第二低频残差进行频率分解,对应得到分解后的第二高频组分、分解后的第三低频残差及分解后的第四低频残差;

29、迁移模块,用于利用fpmt网络对分解后的第三低频残差和分解后的第四低频残差进行化妆迁移操作,得到迁移后的低频组分,对分解后的第二高频组分进行细化操作,得到细化后的第三高频组分,其中,所述fpmt网络为轻量级的编码器-解码器结构;

30、重建模块,用于对迁移后的低频组分和细化后的第三高频组分进行重建操作,输出妆容转移图像。

31、第三方面,本专利技术还提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述妆容转移方法中的步骤。

32、第四方面,本专利技术还提供一种计算机存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器本文档来自技高网...

【技术保护点】

1.一种妆容转移方法,其特征在于,包括:

2.根据权利要求1所述的妆容转移方法,其特征在于,所述预设的频率分解条件包括:

3.根据权利要求1所述的妆容转移方法,其特征在于,所述利用FPMT网络对分解后的第三低频残差和分解后的第四低频残差进行化妆迁移操作,得到迁移后的低频组分,包括:

4.根据权利要求3所述的妆容转移方法,其特征在于,所述从所述分解后的第三低频残差和分解后的第四低频残差中提取化妆特征,包括:

5.根据权利要求3所述的妆容转移方法,其特征在于,所述利用所述转移参数将所述第一化妆内容特征生成所述低频组分,包括:

6.根据权利要求1所述的妆容转移方法,其特征在于,利用FPMT网络对分解后的第二高频组分进行细化操作,得到细化后的第三高频组分,包括:

7.根据权利要求6所述的妆容转移方法,其特征在于,所述方法还包括:

8.一种妆容转移装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述妆容转移方法中的步骤。

10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述妆容转移方法中的步骤。

...

【技术特征摘要】

1.一种妆容转移方法,其特征在于,包括:

2.根据权利要求1所述的妆容转移方法,其特征在于,所述预设的频率分解条件包括:

3.根据权利要求1所述的妆容转移方法,其特征在于,所述利用fpmt网络对分解后的第三低频残差和分解后的第四低频残差进行化妆迁移操作,得到迁移后的低频组分,包括:

4.根据权利要求3所述的妆容转移方法,其特征在于,所述从所述分解后的第三低频残差和分解后的第四低频残差中提取化妆特征,包括:

5.根据权利要求3所述的妆容转移方法,其特征在于,所述利用所述转移参数将所述第一化妆内容特征生成所述低频组分,包括:

6.根据权利要求1所述的妆容转移方法,其...

【专利技术属性】
技术研发人员:熊盛武孙朝阳荣毅
申请(专利权)人:武汉理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1