【技术实现步骤摘要】
一种基于深度学习的肖像图像双下巴去除方法
[0001]本专利技术涉及肖像编辑
,特别是涉及一种基于深度学习的肖像图像双下巴去除方法。
技术介绍
[0002]随着移动网络和摄影技术的飞速发展,以人脸为主要表现形式的肖像图像随处可见。特别是由于社交媒体应用在人类社会生活中占有的地位逐步升高,为了给他人更好的第一印象,使得肖像图像在社交媒体应用中变得非常重要。社交媒体应用的用户经常使用修饰工具来进一步美化他们的肖像图像,通过调整面部颜色形状,纠正阴影、噪声、畸变等问题。
[0003]肖像图像中的双下巴的出现不仅仅取决于下巴和脖颈的特征,也取决于人脸姿态和光照条件。大多数用户认为,消除肖像图像中的双下巴能够改进人脸的吸引力。
[0004]现阶段双下巴技术主要是通过美工利用Photoshop软件进行手动编辑会耗费大量人力物力。
[0005]“Maskgan:Towards diverse and interactive facial image manipulation”(In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition,pages 5549
‑
5558,2020)公开了使用掩膜作为中间表示来交互式编辑人脸,但是在人脸特征保持上并不理想。
[0006]“Interpreting the Latent Space of GANs for Semantic ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的肖像图像双下巴去除方法,其特征在于,包括以下步骤:(1)通过随机采样训练得到粗糙双下巴分离边界,再经过语义扩散细化得到对应的精细双下巴分离边界;所述精细双下巴分离边界用于直接编辑隐码从而消除图像中的双下巴,并保持面部基本不变,所述粗糙双下巴分离边界为编辑隐码后不能保持面部特征的分离边界;(2)输入需要去除双下巴的肖像图像并进行预处理,得到在StyleGAN2隐空间中对应的隐码;(3)利用步骤(1)中训练得到的精细双下巴分离边界对步骤(2)中得到的隐码进行编辑,得到一张没有双下巴并且保持其他面部特征不变的新肖像图像;(4)提取出步骤(2)中输入的需要去除双下巴的肖像图像的脖颈区域的掩膜;(5)用图像扭曲方法调整新肖像图像中的偏差,使新肖像图像的脖颈和下巴无缝嵌入到所述需要去除双下巴的肖像图像中,利用步骤(4)得到的掩膜计算得到去除双下巴后的肖像图像。2.如权利要求1所述的基于深度学习的肖像图像双下巴去除方法,其特征在于,所述步骤(1)中,训练一个精细双下巴分离边界的具体步骤如下:(1
‑
1)随机采样得到N
w
个隐码将其输入到StyleGAN2的生成器中得到对应的随机采样肖像图像,训练一个双下巴分类器对所述随机采样肖像图像进行评分,根据式(I)得到隐码对应的分数:s=C(g(T(w,ψ)))
ꢀꢀꢀꢀꢀ
(I)其中,s为双下巴分数,C为双下巴分类器,g为StyleGAN2的生成器,g(T(w,ψ))为生成器输出的肖像图像,T为StyleGAN2中的截断技巧和堆栈操作,T将映射为N
layer
=(log2(Resolution)
‑
1)
×
2,Resolution为输入图像的分辨率,ψ为截断技巧中的超参数,其缩放给定的w到中心的偏差;则对应的隐码
‑
分数数据集为:(1
‑
2)基于所述的隐码
‑
分数数据集(W,S),采用支持向量机训练输出一个粗糙双下巴分离边界b
c
的法向量n
c
;(1
‑
3)采用粗糙双下巴分离边界编辑隐码w
d
,所述w
d
为隐码w中对应的有双下巴的肖像图像的隐码,根据式(III)合成一个没有双下巴的中间肖像图像图像的隐码,根据式(III)合成一个没有双下巴的中间肖像图像其中,α为控制n
c
权重的超参数,σ为风格混合操作;所述风格混合操作σ(A,B)将的后N
style
层替换为层替换为的后N
style
层,A和B的后N
style
层分别为A和B的风格特征,通过替换操作,在不改变肖像图像结构的情况下进行风格迁移;(1
‑
4)提取w
d
对应的原始肖像图像x
d
=g(T(w
d
,ψ))的脖颈区域的掩膜m
neck
;(1
‑
5)基于原始肖像图像x
d
和中间肖像图像计算输出先验信息计算输出先验信息
其中,
⊙
表示元素级别的乘法;(1
‑
6)利用截断技巧和堆栈操作,将所述映射为(1
‑
7)将所述先验信息的语义扩散入中,得到不具有双下巴的肖像图像及其对应的隐码(1
‑
8)基于成对的具有双下巴和不具有双下巴的隐码和得到对应的隐码
‑
分数数据集:采用支持向量机对(W+,S)
′
训练输出一个精细双下巴分离边界b
f
的法向量n
f
。3.如权利要求2所述的基于深度学习的肖像图像双下巴去除方法,其特征在于,所述步骤(1
‑
1)中,训练一个双下巴分类器对肖像图像进行评分的具体步骤如下:(1
‑1‑
1)标定N
img0
张不含有双下巴的肖像图像和N
img1
张含有双下巴的图像得到如式(VI)所示的分类器训练数据集:(X,S)={(x,0)|x∈X0}∪{(x,1)|x∈X1}
ꢀꢀꢀꢀꢀꢀ
(VI);(1
‑1‑
2)对(X,S)中的各个肖像图像生成一个能覆盖脖颈部分的矩形掩膜m
C
,将m
C
对应的区域作为输入,训练双下巴分类器C,所述双下巴分类器C采用ResNeXt
‑
50(32x4d)结构,将含有双下巴的肖...
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。