一种姿态引导的人物图像生成方法技术

本发明专利技术公开了一种姿态引导的人物图像生成方法。面向任务分解的人物图像生成模型，其主要的创新点在于维持一个高分辨率流和一个编码器‑解码器流并行，继而融合双流特征的图像生成的模型结构。设计出双流的模型结构，解决因人物姿态变化的幅度大小不同而生成出不稳定的结果。具体而言就是，对于人体姿态变化较大的部分，采用一个类似U‑Net的长距离变换子网络，用于获取源姿态和目标姿态的关系特征；对于人体姿态变换较小的部分，采用Encoder‑Decoder的结构对图像进行下采样信息压缩，可能会导致人物的空间、纹理信息丢失，所以设计了中间尺寸固定的短距离变换子网。最后，将两个子网提取出的特征进一步融合，最后解码出目标人物图像。

【技术实现步骤摘要】

本专利技术属于计算机视觉的图像生成方向，具体而言是一种姿态引导的人物图像生成方法。

技术介绍

0、技术背景

1、随着计算机视觉和图像处理的日益发展，计算机视觉在图像目标分割、分类、检测和图像生成等方向取得进步。人物图像生成是其中重要的研究方向。

2、目前提出的姿态引导的人物图像生成方法大都是基于深度学习的方法，设计设计可以使图像形变的神经网络结构，图像输入进神经网络后不断进行合理地计算，让生成的图像接近目标图片。

3、深度神经网络可以直接从数据中学习抽象的、本质的特征，从而代替人工提取特征。深度学习近年来被广泛地应用于姿态估计并取得了很好的精度。但是现有的利用深度学习进行姿态引导的人物图像生成模型只考虑到如何使人物图像发生形变，却忽略了不同姿态间的差异不同，可能会使图像需要发生形变的程度不同，这导致在生成的结果上，在某些图片上形变的效果比较好，但是另一些图片却无法获得合适的形变。

4、为此，我们提出一种任务分解的姿态的人物图像生成方法来解决上述问题。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种姿态引导的人物图像生成方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种姿态引导的人物图像生成方法，其特征在于，所述的步骤2具体包括如下步骤：

3.根据权利要求1所述的一种姿态引导的人物图像生成方法，其特征在于，所述的步骤3的具体实施包括如下过程：

4.根据权利要求1所述的一种姿态引导的人物图像生成方法，其特征在于，所述的步骤4的具体实施包括如下过程：

【技术特征摘要】

1.一种姿态引导的人物图像生成方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种姿态引导的人物图像生成方法，其特征在于，所述的步骤2具体包括如下步骤：

3.根据权利要求1...

【专利技术属性】
技术研发人员：董子乐，陈健美，
申请(专利权)人：江苏大学，
类型：发明
国别省市：