脸部模型生成方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种脸部模型生成方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取目标对象的多个脸部图像对应的共享参数，以及多个脸部图像分别对应的独立参数；基于共享参数和独立参数，得到多个脸部图像分别对应的渲染图像；基于多个脸部图像和多个渲染图像，确定匹配损失；以收敛匹配损失为目标，得到多个脸部图像对应的目标共享参数和多个脸部图像分别对应的目标独立参数；在多个脸部图像对应的目标共享参数的基础上，结合多个脸部图像分别对应的目标独立参数，生成目标对象的脸部模型。本申请通过将目标对象的多个脸部图像进行关联，以获取目标对象的脸部模型，从而提高脸部模型生成的精确度和精细度。从而提高脸部模型生成的精确度和精细度。从而提高脸部模型生成的精确度和精细度。

【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；
[0010]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；
[0011]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；
[0012]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。
[0013]根据本申请实施例的一个方面，提供了一种脸部模型生成装置，所述装置包括：
[0014]脸部图像获取模块，用于获取目标对象的多个脸部图像；
[0015]初始参数获取模块，用于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；
[0016]渲染图像获取模块，用于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；
[0017]匹配损失获取模块，用于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；
[0018]目标参数获取模块，用于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；
[0019]脸部模型生成模块，用于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。
[0020]根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述脸部模型生成方法。
[0021]所述计算机设备为终端或服务器。
[0022]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述脸部模型生成方法。
[0023]根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述脸部模型生成方法。
[0024]本申请实施例提供的技术方案可以包括如下有益效果：
[0025]通过对目标对象的多个脸部图像进行参数化表征，并通过共享参数(如共享形状参数和共享纹理参数)将目标对象的多个脸部图像进行关联，以得到多个脸部图像分别对应的渲染图像，进而基于多个脸部图像与多个脸部图像分别对应的渲染图像之间的差异度，迭代优化得到目标对象的脸部模型，既可以解决相关技术中因单张图像所导致的歧义性问题，从而提高了脸部模型生成的精确度，又可以通过集合多个脸部图像，得到目标对象对应的丰富的图像特征(如多视角图像特征)，进而提高了脸部模型生成的精细度。
附图说明
[0026]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是本申请一个实施例提供的方案实施环境的流程图；
[0028]图2是本申请一个实施例提供的脸部模型生成方法的流程图；
[0029]图3是本申请一个实施例提供的脸部模型的示意图；
[0030]图4是本申请一个实施例提供的脸部图像的示意图；
[0031]图5是本申请一个实施例提供的转化脸部模型的脸部拓扑结构的示意图；
[0032]图6是本申请一个实施例提供的总损失的获取方法的示意图；
[0033]图7是本申请一个实施例提供的基于公开测试数据的对比结果的示意图；
[0034]图8是本申请一个实施例提供的脸部模型生成装置的框图；
[0035]图9是本申请另一个实施例提供的脸部模型生成装置的框图；
[0036]图10是本申请一个实施例提供的计算机设备的框图。
具体实施方式
[0037]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0038]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以本文档来自技高网...

【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：