本公开实施例提供一种图像修复模型的训练方法及相关设备。该方法包括：获取第一对象的第一面部图像和第二对象的第二面部图像，第一面部图像中不具有目标元素，第二面部图像中具有目标元素；对第一面部图像和第二面部图像进行图像融合处理，获得具有目标元素的第一对象的第一融合图像；将第一融合图像输入至初始图像修复模型，获得去除目标元素的预测图像；根据预测图像和第一面部图像，训练初始图像修复模型，将训练好的初始图像修复模型确定为图像修复模型。该方法可以提高第一融合图像中第一对象的面部与目标元素融合的效果，生成更真实的融合图像；可以在保证其他部分不变的情况下，自动去除输入图像中的目标元素，提高图像修复模型的真实性。修复模型的真实性。修复模型的真实性。
【技术实现步骤摘要】
图像修复模型的训练方法及相关设备
[0001]本公开涉及计算机
，具体而言，涉及一种图像修复模型的训练方法、图像修复方法、图像修复模型的训练装置、图像修复装置、电子设备以及计算机可读存储介质。
技术介绍
[0002]随着计算机视觉技术的快速发展，图像修复任务已经成为计算机视觉领域的研究重点之一。在特效中经常会有需要将人物面部局部进行消除、编辑的场景，如去除人物的头发、胡子等；在编辑后需要进行合理的补全，例如补充光头的头皮、无须的下巴等。
[0003]相关技术中，通常是直接去除图像中目标元素所在的区域，然后使用贴图遮挡目标元素所在区域，或者使用区域附近的背景图像填补目标元素所在区域，这种方法得到的图像整体效果偏假、真实性较差。
技术实现思路
[0004]本公开实施例提供一种图像修复模型的训练方法、图像修复方法、图像修复模型的训练装置、图像修复装置、电子设备以及计算机可读存储介质，该方法一方面，可以提高第一融合图像中第一对象的面部与目标元素融合的效果，使得生成的第一融合图像更真实；另一方面，可以在保证其他部分不变的情况下，自动去除输入图像中的目标元素，从而提高图像修复模型的准确性和真实性。
[0005]本公开实施例提供一种图像修复模型的训练方法，该方法包括：获取第一对象的第一面部图像和第二对象的第二面部图像，其中所述第一面部图像中不具有目标元素，所述第二面部图像中具有所述目标元素；对所述第一面部图像和所述第二面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第一融合图像；将所述第一融合图像输入至初始图像修复模型，获得去除所述目标元素的预测图像；根据所述预测图像和所述第一面部图像，训练所述初始图像修复模型，以将训练完成的初始图像修复模型确定为所述图像修复模型。
[0006]在本公开的一些示例性实施例中，对所述第一面部图像和所述第二面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第一融合图像，包括：根据所述第一面部图像和所述第二面部图像，确定从所述第二面部图像形变至所述第一面部图像的形变参数；对所述第二面部图像进行分割处理，获得所述目标元素所在区域的目标图像；基于所述形变参数对所述目标图像进行形变处理，获得目标形变图像；对所述第一面部图像和所述目标形变图像进行融合处理，获得具有所述目标元素的所述第一对象的第一融合图像。
[0007]在本公开的一些示例性实施例中，根据所述第一面部图像和所述第二面部图像，确定从所述第二面部图像形变至所述第一面部图像的形变参数，包括：对所述第一面部图像和所述第二面部图像进行关键点匹配，获得所述第一面部图像中的多个第一关键点和所述第二面部图像中的多个第二关键点，其中所述多个第一关键点和所述多个第二关键点一
一对应；根据所述多个第一关键点的坐标和所述多个第二关键点的坐标，确定从所述第二面部图像形变至所述第一面部图像的形变参数。
[0008]在本公开的一些示例性实施例中，将所述第一融合图像输入至初始图像修复模型，获得去除所述目标元素的预测图像，包括：将所述第一融合图像输入至所述初始图像修复模型中，所述初始图像修复模型对所述第一融合图像中的所述目标元素所在区域进行补全处理，输出去除所述目标元素的预测图像；根据所述预测图像和所述第一面部图像，训练所述初始图像修复模型，以将训练完成的初始图像修复模型确定为所述图像修复模型，包括：根据所述预测图像和所述第一面部图像的差别，调整所述初始图像修复模型的模型参数，直到所述初始图像修复模型生成的预测图像与所述第一面部图像之间的差别满足预设条件，完成对所述初始图像修复模型的训练，将训练好的初始图像修复模型作为所述图像修复模型。
[0009]在本公开的一些示例性实施例中，上述方法还包括：获取第三对象的第三面部图像，其中所述第三面部图像具有所述目标元素，所述第三面部图像中的目标元素的表现形式和所述第二面部图像中的目标元素的表现形式不同；对所述第一面部图像和所述第三面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第二融合图像，并将所述第一面部图像和所述第二融合图像作为配对数据，对所述图像修复模型进行训练。
[0010]本公开实施例提供一种图像修复方法，包括：获取具有目标元素的待处理面部图像；对所述待处理面部图像进行分割处理，获得所述目标元素所在的目标区域；使用预设颜色填充所述待处理面部图像中的所述目标区域；将填充后的待处理面部图像输入至上述任一种方法训练获得的图像修复模型中，获得去除所述目标元素的面部图像。
[0011]本公开实施例提供一种图像修复模型的训练装置，包括：获取模块，被配置为执行获取第一对象的第一面部图像和第二对象的第二面部图像，其中所述第一面部图像中不具有目标元素，所述第二面部图像中具有所述目标元素；获得模块，被配置为执行对所述第一面部图像和所述第二面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第一融合图像；训练模块，被配置为执行将所述第一融合图像输入至初始图像修复模型，获得去除所述目标元素的预测图像；所述训练模块还被配置为执行根据所述预测图像和所述第一面部图像，训练所述初始图像修复模型，以将训练完成的初始图像修复模型确定为所述图像修复模型。
[0012]在本公开的一些示例性实施例中，获得模块被配置为执行：根据所述第一面部图像和所述第二面部图像，确定从所述第二面部图像形变至所述第一面部图像的形变参数；对所述第二面部图像进行分割处理，获得所述目标元素所在区域的目标图像；基于所述形变参数对所述目标图像进行形变处理，获得目标形变图像；对所述第一面部图像和所述目标形变图像进行融合处理，获得具有所述目标元素的所述第一对象的第一融合图像。
[0013]在本公开的一些示例性实施例中，获得模块被配置为执行：对所述第一面部图像和所述第二面部图像进行关键点匹配，获得所述第一面部图像中的多个第一关键点和所述第二面部图像中的多个第二关键点，其中所述多个第一关键点和所述多个第二关键点一一对应；根据所述多个第一关键点的坐标和所述多个第二关键点的坐标，确定从所述第二面部图像形变至所述第一面部图像的形变参数。
[0014]在本公开的一些示例性实施例中，训练模块被配置为执行：将所述第一融合图像
输入至所述初始图像修复模型中，所述初始图像修复模型对所述第一融合图像中的所述目标元素所在区域进行补全处理，输出去除所述目标元素的预测图像；根据所述预测图像和所述第一面部图像的差别，调整所述初始图像修复模型的模型参数，直到所述初始图像修复模型生成的预测图像与所述第一面部图像之间的差别满足预设条件，完成对所述初始图像修复模型的训练，将训练好的初始图像修复模型作为所述图像修复模型。
[0015]在本公开的一些示例性实施例中，获取模块还被配置为执行：获取第三对象的第三面部图像，其中所述第三面部图像具有所述目标元素，所述第三面部图像中的目标元素的表现形式和所述第二面部图像中的目标元素的表现形式不同；获得模块还被配置为执行：对所述第一面部图像和所述第三面部图像进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像修复模型的训练方法，其特征在于，包括：获取第一对象的第一面部图像和第二对象的第二面部图像，其中所述第一面部图像中不具有目标元素，所述第二面部图像中具有所述目标元素；对所述第一面部图像和所述第二面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第一融合图像；将所述第一融合图像输入至初始图像修复模型，获得去除所述目标元素的预测图像；根据所述预测图像和所述第一面部图像，训练所述初始图像修复模型，以将训练完成的初始图像修复模型确定为所述图像修复模型。2.根据权利要求1所述的图像修复模型的训练方法，其特征在于，对所述第一面部图像和所述第二面部图像进行图像融合处理，获得具有所述目标元素的所述第一对象的第一融合图像，包括：根据所述第一面部图像和所述第二面部图像，确定从所述第二面部图像形变至所述第一面部图像的形变参数；对所述第二面部图像进行分割处理，获得所述目标元素所在区域的目标图像；基于所述形变参数对所述目标图像进行形变处理，获得目标形变图像；对所述第一面部图像和所述目标形变图像进行融合处理，获得具有所述目标元素的所述第一对象的第一融合图像。3.根据权利要求2所述的图像修复模型的训练方法，其特征在于，根据所述第一面部图像和所述第二面部图像，确定从所述第二面部图像形变至所述第一面部图像的形变参数，包括：对所述第一面部图像和所述第二面部图像进行关键点匹配，获得所述第一面部图像中的多个第一关键点和所述第二面部图像中的多个第二关键点，其中所述多个第一关键点和所述多个第二关键点一一对应；根据所述多个第一关键点的坐标和所述多个第二关键点的坐标，确定从所述第二面部图像形变至所述第一面部图像的形变参数。4.根据权利要求1所述的图像修复模型的训练方法，其特征在于，将所述第一融合图像输入至初始图像修复模型，获得去除所述目标元素的预测图像，包括：将所述第一融合图像输入至所述初始图像修复模型中，所述初始图像修复模型对所述第一融合图像中的所述目标元素所在区域进行补全处理，输出去除所述目标元素的预测图像；根据所述预测图像和所述第一面部图像，训练所述初始图像修复模型，以将训练完成的初始图像修复模型确定为所述图像修复模型，包括：根据所述预测图像和所述第一面部图像的差别，调整所述初始图像修复模型的模型参数，直到所述初始图像修复模型生成的预测图像与所述第一面部图像之间的差别满足预设条件，完成对所述初始图像修复模型的训练，将训练好的初始图像修复模型作为所述图像修复模型。5.根据权利要求1所述的图像修复模型的训练方法，其特征...
【专利技术属性】
技术研发人员：陈俊杰，赵松涛，郭小燕，
申请(专利权)人：北京达佳互联信息技术有限公司，
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。