【技术实现步骤摘要】
脸部模型生成方法、装置、设备及存储介质
[0001]本申请实施例涉及人工智能
,特别涉及一种脸部模型生成方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的发展,目前,开发人员可以通过采用计算机视觉算法,实现人的脸部模型的自动重建。
[0003]在相关技术中,通过利用3DMM(3D Morphable Model,3维形变模型)来实现人的脸部模型的自动重建。例如,对于一张给定的脸部图片,首先基于3DMM设置一组参数,以对该脸部图片进行参数化表征,再根据该组参数,通过3DMM生成该脸部图片对应的脸部模型,随后将该脸部模型渲染成渲染图片,最后通过调整该组参数,以使得渲染图片与脸部图片尽可能地接近,从而得到脸部图片对应的最终脸部模型。
[0004]然而,由于单图往往具有歧义性,相关技术得到的脸部模型不够精确。
技术实现思路
[0005]本申请实施例提供了一种脸部模型生成方法、装置、设备及存储介质,能够提高脸部模型生成的精确度和精细度。所述技术方案如下:
[0006]根据本申请实施例的一个方面,提供了一种脸部模型生成方法,所述方法包括:
[0007]获取目标对象的多个脸部图像;
[0008]获取所述多个脸部图像对应的共享参数,以及所述多个脸部图像分别对应的独立参数;其中,所述共享参数用于表征所述多个脸部图像之间的公有特征,所述独立参数用于表征所述多个脸部图像分别对应的私有特征;
[0009]基于所述多个脸部图像对应的共享参数和所述多个脸部 ...
【技术保护点】
【技术特征摘要】
1.一种脸部模型生成方法,其特征在于,所述方法包括:获取目标对象的多个脸部图像;获取所述多个脸部图像对应的共享参数,以及所述多个脸部图像分别对应的独立参数;其中,所述共享参数用于表征所述多个脸部图像之间的公有特征,所述独立参数用于表征所述多个脸部图像分别对应的私有特征;基于所述多个脸部图像对应的共享参数和所述多个脸部图像分别对应的独立参数,得到所述多个脸部图像分别对应的渲染图像;基于所述多个脸部图像和所述多个脸部图像分别对应的渲染图像,确定匹配损失,所述匹配损失用于表征所述多个脸部图像和所述多个脸部图像分别对应的渲染图像之间的差异度;以收敛所述匹配损失为目标,调整所述多个脸部图像对应的共享参数和所述多个脸部图像分别对应的独立参数,得到所述多个脸部图像对应的目标共享参数和所述多个脸部图像分别对应的目标独立参数;在所述多个脸部图像对应的目标共享参数的基础上,结合所述多个脸部图像分别对应的目标独立参数,生成所述目标对象的脸部模型。2.根据权利要求1所述的方法,其特征在于,所述共享参数包括共享形状参数和共享纹理参数,所述独立参数包括表情参数、姿态参数和日照参数;其中,所述共享形状参数用于表征所述目标对象的脸部形状,所述共享纹理参数用于表征所述目标对象的脸部纹理,所述表情参数用于表征各个脸部图像中的所述目标对象的脸部表情,所述姿态参数用于表征各个脸部图像中的所述目标对象的脸部姿态,所述光照参数用于表征各个脸部图像中的所述目标对象的脸部光照。3.根据权利要求1所述的方法,其特征在于,所述匹配损失包括总重渲染损失和总关键点损失;所述基于所述多个脸部图像和所述多个脸部图像分别对应的渲染图像,确定匹配损失,包括:获取所述多个脸部图像分别对应的重渲染损失,所述重渲染损失用于表征所述脸部图像和所述脸部图像对应的渲染图像在图像特征方面的差异度;将所述多个脸部图像分别对应的重渲染损失求和,得到所述总重渲染损失;获取所述多个脸部图像分别对应的关键点损失,所述关键点损失用于表征所述脸部图像和所述脸部图像对应的渲染图像在关键点位置方面的差异度;将所述多个脸部图像分别对应的关键点损失求和,得到所述总关键点损失。4.根据权利要求3所述的方法,其特征在于,所述获取所述多个脸部图像分别对应的重渲染损失,包括:对于所述多个脸部图像中的第一脸部图像,对所述第一脸部图像进行特征提取,得到第一特征图,以及对所述第一脸部图像对应的渲染图像进行特征提取,得到第二特征图;基于所述第一特征图和所述第二特征图,得到第一中间参数,所述第一中间参数用于表征所述第一脸部图像和所述第一脸部图像对应的渲染图像之间的差异;对所述第一脸部图像进行脸部识别,得到第一脸部区域,以及对所述第一脸部图像对应的渲染图像进行脸部识别,得到第二脸部区域;
基于所述第一脸部区域和所述第二脸部区域,得到第二中间参数,所述第二中间参数用于表征所述第一脸部区域和所述二脸部区域之间的有效计算区域;基于所述第一中间参数和所述第二中间参数,得到所述第一脸部图像对应的重渲染损失。5.根据权利要求3所述的方法,其特征在于,所述获取所述多个脸部图像分别对应的关键点损失,包括:对于所述多个脸部图像中的第一脸部图像,对所述第一脸部图像进行关键点检测,得到第一关键点位置集,以及对所述第一脸部图像对应的渲染图像进行关键点检测,得到第二关键点位置集;基于所述第一关键点位置集和所述第二关键点位置集之间的差异,得到所述第一脸部图像对应的关键点损失。6.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述多个脸部图像对应的正则损失,所述正则损失用于正则化共享形状参数、共享纹理参数和表情参数,以维持所述脸部模型的脸部结构;根据所述匹配损失和所述正则损失,得到总损失;所述以收敛所述匹配损失为目标,调整所述多个脸部图像对应的共享参数和所述多个脸部图像分别对应的独立参数,得到所述多个脸部图像对应的目标共享参数和所述多个脸部图像分别对应的目标独立参数,包括:以收敛所述总损失为目标,调整所述多个脸部图像对应的共享参数和所述多个脸部图像分别对应的独立参数,得到所述多个脸部图像对应的目标共享参数和所述多个脸部图像分别对应的目标独立参数。7.根据权利要求6所述的方法,其特征在于,所述获取所述多个脸部图像对应的正则损失,包括:基于所述多个脸部图像对应的共享形状参数集,获取所述多个脸部图像对应的形状正则损失;基于所述多个脸部图像对应的共享纹理参数集,获取所述多个脸部图像对应的纹理正则损失;基于所述多个脸部图像分别对应的子表情参数集,获取所述多个脸部图像对应的表情正则损失;对所述形状正则损失、所述纹理正则损失和所述表情正则损失进行加...
【专利技术属性】
技术研发人员:陈人望,葛彦昊,汪铖杰,
申请(专利权)人:腾讯科技深圳有限公司,
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。