CN109002857B - 一种基于深度学习的视频风格变换与自动生成方法及系统 - Google Patents
一种基于深度学习的视频风格变换与自动生成方法及系统 Download PDFInfo
- Publication number
- CN109002857B CN109002857B CN201810812471.0A CN201810812471A CN109002857B CN 109002857 B CN109002857 B CN 109002857B CN 201810812471 A CN201810812471 A CN 201810812471A CN 109002857 B CN109002857 B CN 109002857B
- Authority
- CN
- China
- Prior art keywords
- video
- style
- user
- deep learning
- rendering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 56
- 230000009466 transformation Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 60
- 238000009877 rendering Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 28
- 239000012634 fragment Substances 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract 3
- 230000000694 effects Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 14
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供一种基于深度学习的视频风格变换与自动生成方法，利用深度学习框架对拍摄主体进行分类以及风格模型训练；获取待处理视频和用户视频需求；识别待处理视频的类别，结合用户风格要求和时长要求，推荐最优分镜数和视频素材；根据用户选取的视频素材和视频素材顺序，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；之后，将用户调整修改信息，作为反馈信息优化风格模型，并分析用户喜好，优化深度学习框架，形成反馈学习模型。本发明还提供一种基于深度学习的视频风格变换与自动生成系统，根据用户对视频风格的需求自动推荐风格素材，并自动完成对视频片段的风格渲染和对整体视频的渲染，生成特定风格视频。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的视频风格变换与自动生成方法及系统。
背景技术
在与视频制作相关的领域中，基于人工智能的创新应用目前还处于空缺状态，同时也没有一套可满足视频设计需求的可行的解决方案。此外，对视频的处理多数是套用预设定好参数的模板形式，具有明显的缺陷：1、模板的数量有限，且模板的实现效果局限于已设定好的模板参数。2、模板的设定是基于长期对专业知识的积累，增加了视频制作的学习成本。3、对于具有不同影调与色调的视频素材的剪辑缺乏统一性的考量。4、模板形式的视频制作无法较好满足非专业群体对于专业化视频制作的需求。
发明内容
本发明要解决的技术问题之一，在于提供一种基于深度学习的视频风格变换与自动生成方法，基于用户对视频风格的需求进行相应的风格素材的自动推荐，并自动完成对视频片段的风格渲染以及对整体视频的渲染，实现特定风格视频的自动生成。
本发明要解决的技术问题之一是这样实现的：一种基于深度学习的视频风格变换与自动生成方法，包括如下步骤：
步骤1、利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
步骤2、获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
步骤3、通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
步骤4、根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；
步骤5、在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
进一步的，所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
进一步的，所述片段渲染包括片段风格渲染和字幕效果。
进一步的，所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
进一步的，所述步骤1具体包括：
利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
本发明要解决的技术问题之二，在于提供一种基于深度学习的视频风格变换与自动生成系统，基于用户对视频风格的需求进行相应的风格素材的自动推荐，并自动完成对视频片段的风格渲染以及对整体视频的渲染，实现特定风格视频的自动生成。
本发明要解决的技术问题之二是这样实现的：一种基于深度学习的视频风格变换与自动生成系统，包括：
视频风格学习模块，用于利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
用户需求模块，用于获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
素材推荐模块，用于通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
视频生成模块，用于根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；以及
反馈模块，用于在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
进一步的，所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
进一步的，所述片段渲染包括片段风格渲染和字幕效果。
进一步的，所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
进一步的，所述视频风格学习模块具体包括：
用于利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
本发明具有如下优点：
1、通过深度学习技术学习视频风格可获取更为准确的视频处理参数，改变现有与视频制作相关的领域中处理参数的模板化的形式；
2、根据不同风格学习的可行方案，拓展到其他视频组成元素的提取与学习中，不断完善以及提高对视频组成元素的学习能力以及基于深度学习的视频设计水平；
3、运用人工智能技术学习专业视频剪辑的方法，可更好地满足非专业群体对于专业化视频制作的需求，降低视频制作所需的专业知识的学习成本。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明一种基于深度学习的视频风格变换与自动生成方法执行流程图。
图2为本发明一种基于深度学习的视频风格变换与自动生成系统的逻辑框架图。
具体实施方式
如图1所示，本发明一种基于深度学习的视频风格变换与自动生成方法，包括如下步骤：
步骤1、利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
步骤2、获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
步骤3、通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
步骤4、根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；
步骤5、在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
较佳的，所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
较佳的，所述片段渲染包括片段风格渲染和字幕效果。
较佳的，所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
较佳的，所述步骤1具体包括：
利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
如图2所示，本发明的一种基于深度学习的视频风格变换与自动生成系统，包括：
视频风格学习模块，用于利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
用户需求模块，用于获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
素材推荐模块，用于通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
视频生成模块，用于根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；以及
反馈模块，用于在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
较佳的，所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
较佳的，所述片段渲染包括片段风格渲染和字幕效果。
较佳的，所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
较佳的，所述视频风格学习模块具体包括：
用于利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
下面结合一具体实施例对本发明做进一步说明：
本发明主要包括了深度学习部分以及视频渲染部分，基于用户对视频风格的需求进行相应的风格素材的推荐，在完成了对视频片段的风格渲染以及对整体视频的渲染后，实现特定风格视频的自动生成。
本发明的主要技术包括：
利用深度学习框架进行拍摄主体的类别分类，将经系统识别得到的分类结果进行风格资源库的匹配以及资源库视频风格素材的推荐。在通过学习大量不同类型的视频之后，能够生成对应主题或标签的关联模型，研究不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，进行相应风格素材的推荐，并与资源库里的素材进行映射，其中，关联模型指的是将大量视频片段进行风格训练后得到其风格与某主题或标签相关联的关联模型，风格模型是学习某种视频风格的参数信息，关联模型的作用是将风格训练后的风格类型与视频拍摄主体的类别，以及主题标签做相关联关系，而后能够在用户拍摄视频主体后，通过物体识别获取其类别和关联主题标签，进行风格素材的推荐，资源库是资源素材的总称，其包括基于风格的视频素材，基于字幕特效的文字素材，基于水印风格的图片素材以及基于风格的音乐素材，其作用是使得基于风格的视频组成素材在风格上统一。
对于不同的产品品类、视频时长、用户视频风格需求，系统提供不同的实现方案，该方案是基于视频风格学习模块对视频风格训练后所得到的结果。在系统识别产品种类，明确用户的视频需求(如视频风格要求以及视频时长要求)后，系统便给出最优分镜数以及视频素材推荐，并创新性的以宫格形式来实现视频片段在时间线上的调整。
在用户确认宫格顺序后，渲染器结合视频风格学习模块得到的风格处理参数对宫格视频片段进行片段渲染和整体渲染来实现视频的自动生成。其中片段渲染包括片段风格渲染、字幕效果等，整体渲染包括整体视频渲染、添加背景音乐、水印效果等，其中，风格处理参数由深度学习得到且用于指导渲染器的风格渲染模块的参数设置，所述风格处理参数包括有色调RGB信息、明度和对比度等。
在自动生成视频后，我们能够获取用户个人视频调整的喜好，因为我们的系统只是向用户推荐一个优选方案，用户可以选择该方案也可以基于自己的喜好进行调整，因此系统可以在大量收集用户的偏好信息后，将收集用户的调整修改信息，作为反馈信息优化关联模型，优化我们的系统推荐方法，其中，用户调整修改信息包括有用户宫格顺序调整信息、滤镜调整信息、字幕调整信息、水印调整信息以及背景音乐调整信息等。
基于用户的最终选择结果，收集用户的调整修改信息，分析用户的喜好，来对学习模型进行进一步的优化和更新，从而形成一个长期的反馈学习模型，所述用户喜好根据用户对基于深度学习所推荐素材的偏好程度来确定，用户的喜好信息包括：对于拍摄某种类别某种风格某种时长的视频的偏好、对于宫格顺序的偏好、对于风格滤镜的偏好、对于字体特效的偏好、对于水印的偏好以及对于背景音乐的偏好等。
本发明通过深度学习的部分学习特定风格的大量视频，可以实现视频样本的分类(线下训练)、特定风格参数的获取等。基于关联模型，能够将产品的品类、视频时长、用户视频风格需求等信息与对应主题标签的风格资源库相关联，从而实现向用户推荐不同的实现方案，例如宫格数、基于风格的视频素材、基于风格的字体特效、基于风格的水印图片以及基于风格的音乐的推荐。
本发明提供的上述基于深度学习的视频风格学习模块与实时视频渲染生成技术，通过利用深度学习框架进行拍摄主体的类别分类，并根据识别后得到的分类结果进行风格资源库的匹配以及资源库视频风格素材的推荐，运用深度学习技术学习专业化的视频风格处理模式，将得到的风格参数专业化地指导视频渲染构建了基于视频风格的长期反馈学习模型，不断完善以及提高对视频组成元素的学习能力以及基于深度学习的视频设计水平，同时降低视频制作所需的专业知识的学习成本。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种基于深度学习的视频风格变换与自动生成方法，其特征在于：包括如下步骤：
步骤1、利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
步骤2、获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
步骤3、通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
步骤4、根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；
步骤5、在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
2.根据权利要求1所述的一种基于深度学习的视频风格变换与自动生成方法，其特征在于：所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
3.根据权利要求1所述的一种基于深度学习的视频风格变换与自动生成方法，其特征在于：所述片段渲染包括片段风格渲染和字幕效果。
4.根据权利要求1所述的一种基于深度学习的视频风格变换与自动生成方法，其特征在于：所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
5.根据权利要求1所述的一种基于深度学习的视频风格变换与自动生成方法，其特征在于：所述步骤1具体包括：
利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
6.一种基于深度学习的视频风格变换与自动生成系统，其特征在于：包括：
视频风格学习模块，用于利用深度学习框架对拍摄主体进行类别分类以及风格模型训练，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，在学习大量不同类型的视频之后，生成对应主题或标签的关联模型，并创建视频片段风格素材资源库，用于按照类别与风格进行视频素材推荐；
用户需求模块，用于获取用户的待处理视频以及用户视频需求，所述视频需求包括风格要求和时长要求；
素材推荐模块，用于通过产品识别模块自动识别待处理视频的类别，并结合用户的风格要求和时长要求，推荐对应的分镜数以及对应风格的视频素材供用户选择；
视频生成模块，用于根据用户选取的视频素材以及对视频素材顺序的调整，渲染器自动结合对应的风格处理参数对视频进行片段渲染和整体渲染生成风格视频；以及
反馈模块，用于在生成风格视频后，将收集到的用户调整修改信息，作为反馈信息优化关联模型，并基于用户的最终选择结果，分析用户的喜好，对深度学习框架进行进一步的优化和更新，形成反馈学习模型。
7.根据权利要求6所述的一种基于深度学习的视频风格变换与自动生成系统，其特征在于：所述视频素材按宫格形式展示给用户，且用户通过调整宫格顺序实现视频素材在时间线上的顺序调整。
8.根据权利要求6所述的一种基于深度学习的视频风格变换与自动生成系统，其特征在于：所述片段渲染包括片段风格渲染和字幕效果。
9.根据权利要求6所述的一种基于深度学习的视频风格变换与自动生成系统，其特征在于：所述整体渲染包括整体视频渲染、添加背景音乐和水印效果。
10.根据权利要求6所述的一种基于深度学习的视频风格变换与自动生成系统，其特征在于：所述视频风格学习模块具体包括：
用于利用深度学习框架对视频短片训练样本进行深度学习，得到用于自动识别类别的产品识别模块以及不同风格模型的对应的风格处理参数，通过对视频拍摄主体进行类别分类，将分类结果与风格资源库进行匹配，生成对应主题或标签的关联模型，基于所述关联模型，将产品的类别、视频时长、用户视频风格需求信息与对应主题标签的风格资源库相关联；根据不同风格视频中素材的选取与搭配，建立视频片段风格素材资源库，并与资源库里的素材进行映射，用于按照类别与风格进行视频素材推荐。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810812471.0A CN109002857B (zh) | 2018-07-23 | 2018-07-23 | 一种基于深度学习的视频风格变换与自动生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810812471.0A CN109002857B (zh) | 2018-07-23 | 2018-07-23 | 一种基于深度学习的视频风格变换与自动生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109002857A CN109002857A (zh) | 2018-12-14 |
| CN109002857B true CN109002857B (zh) | 2020-12-29 |
Family
ID=64597513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810812471.0A Active CN109002857B (zh) | 2018-07-23 | 2018-07-23 | 一种基于深度学习的视频风格变换与自动生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109002857B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111599342A (zh) * | 2019-02-21 | 2020-08-28 | 北京京东尚科信息技术有限公司 | 音色选择方法和选择系统 |
| CN110012237B (zh) * | 2019-04-08 | 2020-08-07 | 厦门大学 | 基于交互引导及云端增强渲染的视频生成方法及系统 |
| CN110381371B (zh) * | 2019-07-30 | 2021-08-31 | 维沃移动通信有限公司 | 一种视频剪辑方法及电子设备 |
| CN110532426A (zh) * | 2019-08-27 | 2019-12-03 | 新华智云科技有限公司 | 一种基于模板抽取多媒体素材生成视频的方法及系统 |
| CN110418196B (zh) * | 2019-08-29 | 2022-01-28 | 金瓜子科技发展（北京）有限公司 | 视频生成方法、装置及服务器 |
| CN110475158B (zh) * | 2019-08-30 | 2022-01-18 | 北京字节跳动网络技术有限公司 | 视频学习素材的提供方法、装置、电子设备及可读介质 |
| CN110688525A (zh) * | 2019-09-23 | 2020-01-14 | 北京达佳互联信息技术有限公司 | 素材资源配置方法、装置、电子设备及存储介质 |
| CN111083393B (zh) * | 2019-12-06 | 2021-09-14 | 央视国际网络无锡有限公司 | 一种智能化制作短视频的方法 |
| CN111263241B (zh) * | 2020-02-11 | 2022-03-08 | 腾讯音乐娱乐科技（深圳）有限公司 | 媒体数据的生成方法、装置、设备及存储介质 |
| CN111491187B (zh) * | 2020-04-15 | 2023-10-31 | 腾讯科技（深圳）有限公司 | 视频的推荐方法、装置、设备及存储介质 |
| CN111539116B (zh) * | 2020-04-28 | 2023-05-02 | 嘉兴市福慧自在科技有限公司 | 一种基于人工智能的服装设计辅助系统及设计方法 |
| CN111667562B (zh) * | 2020-05-07 | 2023-07-28 | 深圳思为科技有限公司 | 基于图片素材的动效界面生成方法和装置 |
| CN111629269B (zh) * | 2020-05-25 | 2021-05-25 | 厦门大学 | 一种基于机械臂的移动端短视频广告自动拍摄与生成的方法 |
| CN114727031A (zh) * | 2021-01-06 | 2022-07-08 | 北京小米移动软件有限公司 | 视频处理方法、装置及介质 |
| CN112911399A (zh) * | 2021-01-18 | 2021-06-04 | 网娱互动科技(北京)股份有限公司 | 一种快速生成短视频的方法 |
| CN115734032A (zh) * | 2021-08-31 | 2023-03-03 | 华为技术有限公司 | 视频剪辑方法、电子设备及存储介质 |
| CN117714797B (zh) * | 2023-12-26 | 2024-07-12 | 大脑工场文化产业发展有限公司 | 一种基于人工智能的短视频制作方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303598A (zh) * | 2015-10-23 | 2016-02-03 | 浙江工业大学 | 基于纹理传输的多风格视频艺术化处理方法 |
| CN106373170A (zh) * | 2016-08-31 | 2017-02-01 | 北京云图微动科技有限公司 | 一种视频制作方法及装置 |
| CN106651766A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络的图像风格迁移方法 |
| CN106649535A (zh) * | 2016-10-25 | 2017-05-10 | 孟其 | 宣传片视频可视化智能处理方法 |
| CN107451197A (zh) * | 2017-07-03 | 2017-12-08 | 李洪海 | 视频选取及交易方法、装置、服务器与系统 |
| CN107743263A (zh) * | 2017-09-20 | 2018-02-27 | 北京奇虎科技有限公司 | 视频数据实时处理方法及装置、计算设备 |
| CN107944124A (zh) * | 2017-11-20 | 2018-04-20 | 上海得见计算机科技有限公司 | 基于用户兴趣偏好的室内设计方法及系统 |
| CN107959883A (zh) * | 2017-11-30 | 2018-04-24 | 广州市百果园信息技术有限公司 | 视频编辑推送方法、系统及智能移动终端 |
| CN108235117A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10198839B2 (en) * | 2016-09-22 | 2019-02-05 | Apple Inc. | Style transfer-based image content correction |
| US11202017B2 (en) * | 2016-10-06 | 2021-12-14 | Fyusion, Inc. | Live style transfer on a mobile device |
-
2018
- 2018-07-23 CN CN201810812471.0A patent/CN109002857B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303598A (zh) * | 2015-10-23 | 2016-02-03 | 浙江工业大学 | 基于纹理传输的多风格视频艺术化处理方法 |
| CN106373170A (zh) * | 2016-08-31 | 2017-02-01 | 北京云图微动科技有限公司 | 一种视频制作方法及装置 |
| CN106649535A (zh) * | 2016-10-25 | 2017-05-10 | 孟其 | 宣传片视频可视化智能处理方法 |
| CN106651766A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络的图像风格迁移方法 |
| CN107451197A (zh) * | 2017-07-03 | 2017-12-08 | 李洪海 | 视频选取及交易方法、装置、服务器与系统 |
| CN107743263A (zh) * | 2017-09-20 | 2018-02-27 | 北京奇虎科技有限公司 | 视频数据实时处理方法及装置、计算设备 |
| CN107944124A (zh) * | 2017-11-20 | 2018-04-20 | 上海得见计算机科技有限公司 | 基于用户兴趣偏好的室内设计方法及系统 |
| CN107959883A (zh) * | 2017-11-30 | 2018-04-24 | 广州市百果园信息技术有限公司 | 视频编辑推送方法、系统及智能移动终端 |
| CN108235117A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| Object-Level Video Advertising:An Optimization Framework;Haijun Zhang 等;《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》;20160901;第13卷(第2期);520-531 * |
| Real-Time Neural Style Transfer for Videos;Haozhi Huang 等;《CVPR 2017》;20170726;783-791 * |
| 基于深度学习的图像风格转换浅论;栾五洋;《数字通信世界》;20180201;248-249 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109002857A (zh) | 2018-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109002857B (zh) | 一种基于深度学习的视频风格变换与自动生成方法及系统 | |
| CN110012237B (zh) | 基于交互引导及云端增强渲染的视频生成方法及系统 | |
| US20190057723A1 (en) | Visualization of image themes based on image content | |
| CN109756751B (zh) | 多媒体数据处理方法及装置、电子设备、存储介质 | |
| CN111787395B (zh) | 视频生成方法、装置、电子设备及存储介质 | |
| US11132547B2 (en) | Emotion recognition-based artwork recommendation method and device, medium, and electronic apparatus | |
| US20130129146A1 (en) | Methods, Circuits, Devices, Apparatuses and Systems for Providing Image Composition Rules, Analysis and Improvement | |
| CN109359317A (zh) | 一种口红配色选择的模型构建方法和口红配色选择方法 | |
| CN108174099A (zh) | 图像显示方法、装置和计算机可读存储介质 | |
| US20250024006A1 (en) | Profile-based standard dynamic range and high dynamic range content generation | |
| JP2010020781A (ja) | アニメーション製作方法及び装置 | |
| US11461946B2 (en) | Digital makeup artist | |
| CN113190709A (zh) | 一种基于短视频关键帧的背景音乐推荐方法和装置 | |
| CN116595438A (zh) | 图片创作方法、装置、设备及存储介质 | |
| CN117880443A (zh) | 一种基于脚本的多模态特征匹配视频剪辑方法及系统 | |
| US11961169B2 (en) | Digital makeup artist | |
| CN107609487B (zh) | 一种用户头像的生成方法和装置 | |
| US20230066331A1 (en) | Method and system for automatically capturing and processing an image of a user | |
| CN113656635A (zh) | 视频彩铃合成方法、装置、设备及计算机可读存储介质 | |
| CN110458751B (zh) | 一种基于粤剧图片的面部替换方法、设备及介质 | |
| Pandi et al. | Image Background Removal using Android | |
| CN113408452A (zh) | 表情重定向训练方法、装置、电子设备和可读存储介质 | |
| CN118200665A (zh) | 一种基于语义分析的视频合成方法、系统及存储介质 | |
| CN107656760A (zh) | 数据处理方法及装置、电子设备 | |
| CN118298062A (zh) | 图像的生成方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |