【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体为一键生成假人模特服装图像的方法、装置及存储介质。
技术介绍
1、随着电子商务和在线购物的快速发展，服装行业面临着日益激烈的市场竞争，消费者对购物体验的要求也在不断提高，在传统的服装摄影中，拍摄服装图像通常需要借助相机和真人模特在摄影棚内进行实体拍摄，这种方法不仅耗时耗力，还需要投入大量的人力和物力成本，此外，这种传统方法在需要更改拍摄方案或尝试不同服装组合时，显得不够灵活，在这种背景下，传统的服装展示手法已经无法满足品牌和消费者的需求；
2、现有市场上的一些解决方案往往依赖复杂的制作流程或昂贵的摄影设备，不仅需耗费大量人力，还可能因模特的可用性而造成进度延误；
3、随着人工智能技术的快速发展，特别是在图像生成领域的应用，ai已经开始在服装行业中崭露头角，尽管已有尝试利用ai生成服装在模特身上的图像，但这些方法仍存在一些局限性，如生成图像的逼真度不足、定制化难度较高、生成真人模特所面临的权益问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一键生成假人模特服装图像的方法、装置及存储介质，来解决上述问题。
3、(二)技术方案
4、为实现上述目的，本专利技术提供如下技术方案：一键生成假人模特服装图像的方法，包括以下步骤：
5、s1.用户选择服装性别：用户选择服装的性别(男或女)，系统根据选择自动分配对应的假人模特模型；
6、s2.上传
7、s3.提取服装区域图像：系统采用grounding dino算法提取初步服装掩膜，使用segment anything算法细化服装掩膜，准确提取服装区域，并进行像素扩展，以获取服装区域的前景图像；
8、s4.生成假人模特服装图像：将提取的服装区域图像与对应的假人模特模型输入至预设的神经网络模型中，生成假人模特穿着指定服装的图像；
9、s5.图像后处理：采用超分辨率重建技术和细节增强算法，提升生成图像的清晰度和逼真度；
10、s6.展示最终图像：系统展示生成的假人模特着装图像供用户审阅。
11、优选的，使用grounding dino提取初步服装掩膜的具体步骤为：
12、输入准备，提供一张包含服装的图像和文本提示“服装”；
13、模型加载，加载预训练的grounding dino模型；
14、推理过程，将图像和文本提示输入模型，进行推理；
15、结果获取，模型输出服装区域的初步掩膜；
16、其中grounding dino模型结合了视觉transformer(vit)和transformer编码器-解码器架构，用于实现语言和视觉的对齐，其主要组成部分包括：
17、视觉backbone，基于视觉transformer或卷积神经网络来提取图像的高级特征；
18、transformer编码器，处理文本输入，将其转换为文本嵌入；
19、transformer解码器，将视觉特征和文本嵌入进行交互，生成最终的检测和分割结果；
20、其中grounding dino模型训练过程包括：
21、自监督学习，在大规模无标签数据集上进行预训练，通过对比学习的方式，使模型在没有显式标签的情况下学习图像的表示；
22、语言-视觉对齐，在有标注的数据集上进行进一步训练，学习文本描述和图像区域之间的对应关系，使用对比损失函数，使得模型能够将文本提示“服装”与图像中的相应区域对齐。
23、优选的，使用segment anything细化服装掩膜的具体步骤为：
24、输入准备，使用grounding dino生成的初步掩膜作为输入；
25、模型加载，加载segment anything模型(sam)；
26、推理过程，将初步掩膜输入sam模型，进行进一步分割；
27、结果获取，模型输出更精确的服装掩膜；
28、提取服装区域像素值的具体步骤为：
29、掩膜应用，使用细化后的掩膜从原图像中提取服装区域的像素值；
30、前景图像生成，生成只包含服装区域的前景图像；
31、进行像素扩展的具体步骤为：
32、边缘检测，检测前景图像中服装区域的边缘；
33、像素扩展，根据边缘信息，扩展服装区域的像素，确保边缘平滑自然；
34、图像插值，使用图像处理技术使扩展的像素与背景更好地融合。
35、优选的，神经网络模型训练的具体步骤为：
36、数据准备，使用大量的包含服装图像和对应假人模特图像的数据集，包含不同类型的服装、不同的背景，每对服装图像和假人模特图像都进行标注，确保模型学习正确的映射关系；
37、模型架构，图像处理部分使用卷积神经网络(cnn)来提取服装图像的特征，生成部分采用生成对抗网络(gan)或扩散模型(diffusion model)来生成最终的假人模特着装图像；
38、训练过程，模型在训练过程中通过比较生成的图像与真实图像的差异来不断优化自身参数。
39、优选的，其中，cnn提取服装图像特征的具体过程为：图像标准化，将提取的服装区域图像调整为网络输入的标准化尺寸，并进行归一化处理；数据增强，提高模型的泛化能力，对图像进行旋转、缩放、裁剪等数据增强操作；第一层卷积，使用小尺寸的卷积核在图像上滑动，提取图像的低级特征；激活函数，应用relu激活函数引入非线性，增强网络的表达能力；后续卷积层，随着网络深度的增加，卷积核的尺寸增大，或通过组合低级特征来提取更高级的特征；降维，通过最大池化或平均池化减少特征图的尺寸；平移不变性，池化操作使特征更具平移不变性，即在图像中移动物体时仍能识别其特征；多尺度特征融合，通过跳跃连接融合多尺度特征，增强特征表达能力；通过通道注意力机制自动调整不同通道的重要性，突出关键特征；深层卷积，在网络的深层，卷积层提取更抽象的语义特征；全局特征，通过全局池化或全连接层将特征图转化为全局特征向量，捕捉整个服装的风格和形状信息。
40、优选的，其中，生成对抗网络(gan)生成图像的具体步骤为，生成器接收一个包含服装特征和假人模特参数的输入向量，生成器通过多层神经网络逐步将这个向量转换为图像，最终生成一张假人模特穿着指定服装的图像，其中，判别器接收生成的图像和真实图像作为输入，判别器判断输入图像是来自生成器还是真实数据集，通过不断迭代，生成器逐渐学会生成更逼真的图像，而判别器则提高其辨别能力。
41、优选的，扩散模型(diffusion model)生成图像的具体步骤为，扩散模型从原始图像开始，逐步添加噪声，最终得到高斯噪声，模型学习从噪声中逐步恢复图像的过程，在生成过程中，模型从随机噪声开始，逐步去噪，最终生成本文档来自技高网...
【技术保护点】
1.一键生成假人模特服装图像的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，使用Grounding DINO提取初步服装掩膜的具体步骤为：
3.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，使用Segment Anything细化服装掩膜的具体步骤为：
4.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，神经网络模型训练的具体步骤为：
5.根据权利要求4所述的一键生成假人模特服装图像的方法，其特征在于，其中，CNN提取服装图像特征的具体过程为：图像标准化，将提取的服装区域图像调整为网络输入的标准化尺寸，并进行归一化处理；数据增强，提高模型的泛化能力，对图像进行旋转、缩放、裁剪等数据增强操作；第一层卷积，使用小尺寸的卷积核在图像上滑动，提取图像的低级特征；激活函数，应用ReLU激活函数引入非线性，增强网络的表达能力；后续卷积层，随着网络深度的增加，卷积核的尺寸增大，或通过组合低级特征来提取更高级的特征；降维，通过最大池化或平均池化减少特征图的尺寸
6.根据权利要求4所述的一键生成假人模特服装图像的方法，其特征在于，其中，生成对抗网络(GAN)生成图像的具体步骤为，生成器接收一个包含服装特征和假人模特参数的输入向量，生成器通过多层神经网络逐步将这个向量转换为图像，最终生成一张假人模特穿着指定服装的图像，其中，判别器接收生成的图像和真实图像作为输入，判别器判断输入图像是来自生成器还是真实数据集，通过不断迭代，生成器逐渐学会生成更逼真的图像，而判别器则提高其辨别能力。
7.根据权利要求4所述的一键生成假人模特服装图像的方法，其特征在于，扩散模型(Diffusion Model)生成图像的具体步骤为，扩散模型从原始图像开始，逐步添加噪声，最终得到高斯噪声，模型学习从噪声中逐步恢复图像的过程，在生成过程中，模型从随机噪声开始，逐步去噪，最终生成一张假人模特穿着指定服装的图像，在去噪过程中，模型有条件地接受服装特征和假人模特参数作为输入，以引导生成过程。
8.一键生成假人模特服装图像的装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1至7中任意一项所述方法的步骤。
9.一种计算机可读介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至7中任意一项所述方法的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令在被执行时使机器执行根据权利要求1至7中的任一项所述的方法的步骤。
...【技术特征摘要】
1.一键生成假人模特服装图像的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，使用grounding dino提取初步服装掩膜的具体步骤为：
3.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，使用segment anything细化服装掩膜的具体步骤为：
4.根据权利要求1所述的一键生成假人模特服装图像的方法，其特征在于，神经网络模型训练的具体步骤为：
5.根据权利要求4所述的一键生成假人模特服装图像的方法，其特征在于，其中，cnn提取服装图像特征的具体过程为：图像标准化，将提取的服装区域图像调整为网络输入的标准化尺寸，并进行归一化处理；数据增强，提高模型的泛化能力，对图像进行旋转、缩放、裁剪等数据增强操作；第一层卷积，使用小尺寸的卷积核在图像上滑动，提取图像的低级特征；激活函数，应用relu激活函数引入非线性，增强网络的表达能力；后续卷积层，随着网络深度的增加，卷积核的尺寸增大，或通过组合低级特征来提取更高级的特征；降维，通过最大池化或平均池化减少特征图的尺寸；平移不变性，池化操作使特征更具平移不变性，即在图像中移动物体时仍能识别其特征；多尺度特征融合，通过跳跃连接融合多尺度特征，增强特征表达能力；通过通道注意力机制自动调整不同通道的重要性，突出关键特征；深层卷积，在网络的深层，卷积层提取更抽象的语义特征；全局特征，通过全局池化或全连接层将特征图转化为全局特征向量，捕捉整个服装的风格和形状信息。
6.根据权利要求4所述的一键生...
【专利技术属性】
技术研发人员：曾丽，黄素欢，
申请(专利权)人：广州市纺织服装职业学校广州市服装高级职业技术学校，
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。