【技术实现步骤摘要】
装束转换模型训练方法、装置、存储介质及设备
[0001]本公开涉及计算机
,具体而言,涉及装束转换模型训练方法、装束转换方法、装束转换模型训练装置、装束转换装置、计算机可读存储介质以及电子设备。
技术介绍
[0002]随着软硬件的快速发展,换衣技术在各个领域中的应用也越来越广泛。例如,在智能试衣、虚拟形象重建、智能服装购物等领域都大量应用到换衣技术。
[0003]在相关技术中,通常采用基于人体3D点进行换装。具体而言,基于人体3D点进行换装是指使用3d点的坐标位置来对人体模型的衣服进行替换的技术。
[0004]然而,相关技术中的方案,无法改变原有装束,仅能实现覆盖,无法达到理想的换装效果,实时性较差,无法应用于直播等实时场景,且针对复杂场景(例如装束较为复杂,动作较多)时,换装效果较差。
[0005]需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0006]本公开的目的在于提供一种装束转换模型训练方法及装置、计算机可读存储介质及电子设备,可以解决相关技术中应用装束转换模型训练效率较低的问题。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
[0008]根据本公开的第一方面,提供了一种装束转换模型训练方法,其特征在于,方法包括:获取待处理图像样本;其中,待处理图像样本中包括人像部分,以及人像部分对应的原始装 ...
【技术保护点】
【技术特征摘要】
1.一种装束转换模型训练方法,其特征在于,所述方法包括:获取待处理图像样本;其中,所述待处理图像样本中包括人像部分,以及所述人像部分对应的原始装束;获取所述人像部分对应的关键点位图;其中,所述关键点位图用于指示人像的关键点;将所述待处理图像样本以及所述关键点位图输入待训练模型中的生成器中,得到将所述人像部分对应的原始装束转换为目标装束的预测换装图像样本;其中,所述待训练模型对应有参考图像样本,所述参考图像样本中包括参考人像部分,以及所述参考人像部分对应的目标装束;将所述预测换装图像样本以及所述参考图像样本输入所述待训练模型中的判别器中,通过所述判别器对所述预测换装图像样本以及所述参考图像样本进行判别得到判别结果;根据所述预测换装图像样本、参考图像样本以及所述判别结果对所述待训练模型的神经网络参数进行更新,以将训练完成的待训练模型中的生成器作为装束转换模型。2.根据权利要求1所述的方法,其特征在于,所述关键点位图中包括多个关键点,所述多个关键点的位置与所述目标装束相关。3.根据权利要求1所述的方法,其特征在于,所述目标装束包括第一目标子装束与第二目标子装束,所述第一目标子装束与所述第二目标子装束之间不相邻;所述获取所述人像部分对应的关键点位图,包括:在所述人像部分,获取所述第一目标子装束对应的第一图像区域,获取所述第一图像区域中的多个第一关键点;在所述人像部分,获取所述第二目标子装束对应的第二图像区域,获取所述第二图像区域中的多个第二关键点;获取所述多个第一关键点以及所述多个第二关键点之间的多个中间关键点;其中,所述第一关键点与所述第二关键点分别与所述中间关键点具有相关关系;通过所述多个第一关键点、所述多个第二关键点以及所述多个中间关键点确定所述人像部分对应的关键点位图。4.根据权利要求1所述的方法,其特征在于,所述将所述待处理图像样本以及所述关键点位图输入待训练模型中的生成器中,得到将所述人像部分对应的原始装束转换为目标装束的预测换装图像样本,包括:将所述待处理图像样本以及所述关键点位图输入待训练模型中的生成器中,得到换装区域掩膜图以及中间图像样本;其中,所述换装区域掩膜图用于指示所述进行换装的区域,所述中间图像样本用于指示将所述人像部分对应的原始装束转换为目标装束的临时结果;根据所述换装区域掩膜图以及中间图像样本得到将所述人像部分对应的原始装束转换为目标装束的预测换装图像样本。5.根据权利要求4所述的方法,其特征在于,所述待处理图像样本具有前一帧图像样本,所述获取待处理图像样本,包括:获取原始图像样本,获取前一帧图像样本以及所述前一帧图像样本的人像部分对应的关键点位图输入所述待训练模型中的生成器中得到的前一帧换装区域掩膜图;根据所述前一帧换装区域掩膜图确定目标人像分割框,通过所述目标人像分割框对所述原始图像样本进行图像分割得到待处理图像样本。
6.根据权利要求1所述的方法,其特征在于,所述得到将所述人像部分对应的原始装束转换为目标装束的预测换装图像样本,包括:获取所述人像部分对应的边缘特征...
【专利技术属性】
技术研发人员:邢恩旭,
申请(专利权)人:广州博冠信息科技有限公司,
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。