【技术实现步骤摘要】
虚拟人物的生成方法和视频识别方法
[0001]本申请涉及人工智能
,具体而言,涉及一种虚拟人物的生成方法和视频识别方法。
技术介绍
[0002]目前,随着人工智能的发展,虚拟世界愈发丰富,用户在虚拟世界中的虚拟人物也愈发受到关注,在现有的技术中,通通过获取用户的人脸图像,再根据人脸图像上的五官特征生成虚拟人物可能符合用户的实际年龄,导致虚拟人物不真实,从而虚拟人物与真实人物的贴合程度较低。
[0003]针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种虚拟人物的生成方法和视频识别方法,以至少解决现有技术中直接根据人脸图像生成虚拟人物,造成的虚拟人物与真实人物贴合程度较低的技术问题。
[0005]根据本申请实施例的一个方面,提供了一种虚拟人物的生成方法,包括:获取生物对象的待识别图像;对所述待识别图像中的所述生物对象进行识别,得到所述生物对象的属性识别结果,其中,所述属性识别结果包括:属性值和所述属性值的概率分布;基于所述生物对象的属性识别结果,生成所述生物对象对应的虚拟人物。
[0006]根据本申请实施例的另一个方面,还提供了一种视频识别方法,其特征在于,包括:获取待识别视频,其中,所述待识别视频中的图像帧包含生物对象;对所述图像帧中的所述生物对象进行识别,得到所述生物对象的属性识别结果,其中,所述属性识别结果包括:属性值和所述属性值的概率分布;基于所述生物对象的属性识别结果,生成所述待识别视频对应的属性识别结果,其中,所述属性 ...
【技术保护点】
【技术特征摘要】
1.一种虚拟人物的生成方法,其特征在于,包括:获取生物对象的待识别图像;对所述待识别图像中的所述生物对象进行识别,得到所述生物对象的属性识别结果,其中,所述属性识别结果包括:属性值和所述属性值的概率分布;基于所述生物对象的属性识别结果,生成所述生物对象对应的虚拟人物。2.根据权利要求1所述的方法,其特征在于,对所述待识别图像中的所述生物对象进行识别,得到所述生物对象的属性识别结果,包括:对所述待识别图像中的所述生物对象进行特征提取,得到所述属性识别结果对应的局部注意力特征,所述局部注意力特征用于表征所述待识别图像中与所述属性识别结果相关的局部监测区域的特征;基于所述待识别图像中不同区域之间的相关性对所述局部注意力特征进行处理,得到所述属性识别结果对应的属性特征;基于所述属性特征对所述生物对象的属性进行识别,得到所述属性识别结果。3.根据权利要求2所述的方法,其特征在于,对所述待识别图像中的所述生物对象进行特征提取,得到所述属性识别结果对应的局部注意力特征,包括:利用局部区域感知模型对所述待识别图像中的所述生物对象进行特征提取,得到所述局部注意力特征,其中,所述局部区域感知模型为神经网络模型。4.根据权利要求3所述的方法,其特征在于,所述局部区域感知模型包括:特征提取模块、多尺度卷积模块、区域注意力模块和通道注意力模块,其中,利用局部区域感知模型对所述待识别图像中的所述生物对象进行特征提取,得到所述局部注意力特征,包括:利用所述特征提取模块对所述待识别图像中的所述生物对象进行特征提取,得到所述生物对象的基础特征;利用所述多尺度卷积模块对所述基础特征进行特征融合,得到多尺度感知特征;利用所述区域自注意力模块对所述多尺度感知特征中与所述属性识别结果相关的局部注意力特征进行增强,得到第一注意力特征;利用所述通道注意力模块基于所述第一注意力特征中与所述属性识别结果相关的通道特征进行增强,得到第二注意力特征;将所述基础特征和所述第二注意力特征进行拼接,得到所述局部注意力特征。5.根据权利要求2所述的方法,其特征在于,基于所述待识别图像中不同区域之间的相关性对所述局部注意力特征进行处理,得到所述属性识别结果对应的属性特征,包括:利用区域相关性学习模型基于所述不同区域之间的相关性对所述局部注意力特征进行处理,得到所述属性特征,其中,所述区域相关性学习模型为神经网络模型。6.根据权利要求5所述的方法,其特征在于,所述区域相关性学习模型包括:特征映射模块和多个相关性学习模块,其中,利用区域相关性学习模型基于所述不同区域之间的相关性对所述局部注意力特征进行处理,得到所述属性特征,包括:利用所述特征映射模块对所述局部注意力特征进行划分,得到局部标记和区域标记,其中,所述局部标记和所述区域标记的划分尺寸不同,区域标记和局部标记的覆盖区域为包含关系;利用所述多个相关性学习模块对所述局部标记和所述区域标记进行处理,得到所述属
性特征。7.根据权利要求6所述的方法,其特征在于,所述相关性学习模块包括:自注意力模块和前向反馈模块,其中,所述自注意力模块包括基于所述区域标记的第一自注意力模块和基于所述局部标记的第二自注意力模块,利用所述相关性学习模块基对所述局部标记和所述区域标记进行处理,得到所述属性特征,包括:利用所述第一自注意力模块提取所述区域标记的第一全局相关性特征;将所述第一全局相关性特征和所述局部标记进行拼接,得到拼接特征;利用所述第二自注意力模块提取所述拼接特征中的基于所述区域标记和所述局部标记的第二全局相关性特征;利用所述前向反馈模块加强所述第二全局相关性特征中所述局部标记和所述区域标记之间...
【专利技术属性】
技术研发人员:刘雪莉,刘垚,洪斌,陶明渊,黄建强,
申请(专利权)人:阿里巴巴中国有限公司,
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。