CN114004905B - 人物风格形象图的生成方法、装置、设备及存储介质 - Google Patents

Abstract

本公开实施例公开了一种人物风格形象图的生成方法、装置、设备及存储介质。包括：将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；确定所述原始人物形象图与模板图间的属性增量；将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。本公开实施例提供的人物风格形象图的生成方法，可以生成设定风格的人物形象图，从而提高图像的多样性。

Description

人物风格形象图的生成方法、装置、设备及存储介质

技术领域

本公开实施例涉及图像处理技术领域，尤其涉及一种人物风格形象图的生成方法、装置、设备及存储介质。

背景技术

随着科技的发展，越来越多的应用软件走进了用户的生活，逐渐丰富了用户的业余生活，例如短视频应用程序（Application，APP）、修图APP轻颜、醒图等。其中，将人物形象图转化为各种风格的图越来越受到用户的欢迎。

发明内容

本公开实施例提供一种人物风格形象图的生成方法、装置、设备及存储介质，可以生成设定风格的人物形象图，从而提高图像的多样性。

第一方面，本公开实施例提供了一种人物风格形象图的生成方法，包括：

将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

确定所述原始人物形象图与模板图间的属性增量；

将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

第二方面，本公开实施例还提供了一种人物风格形象图的生成装置，包括：

第一人物形象特征编码获取模块，用于将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

属性增量确定模块，用于获取所述原始人物形象图与模板图间的属性增量；

第二人物形象特征编码获取模块，用于将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

初始人物风格形象图获取模块，用于将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

目标人物风格形象图获取模块，用于将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的人物风格形象图的生成方法。

第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的人物风格形象图的生成方法。

本公开实施例公开了一种人物风格形象图的生成方法、装置、设备及存储介质。将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；确定原始人物形象图与模板图间的属性增量；将属性增量和第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；将第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。本公开实施例提供的人物风格形象图的生成方法，可以生成设定风格的人物形象图，从而提高图像的多样性。

附图说明

图1是本公开实施例中的一种人物风格形象图的生成方法的流程图；

图2是本公开实施例中的训练人物形象生成模型的示例图；

图3是本公开实施例中的训练第一特征编码器的示例性；

图4是本公开实施例中的训练第二特征编码器的示例图；

图5是本公开实施例中的一种人物风格形象图；

图6是本公开实施例中的训练风格形象生成模型的示例图；

图7a是本公开实施例中的设定风格的模板图；

图7b是本公开实施例中的设定风格的模板图；

图7c是本公开实施例中的设定风格的模板图；

图7d是本公开实施例中的设定风格的模板图；

图8是本公开实施例中的平移人物风格形象的示例图；

图9是本公开实施例中的一种人物风格形象图的生成装置的结构示意图；

图10是本公开实施例中的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是本公开实施例提供的一种人物风格形象图的生成方法的流程图，本实施例可适用于将人物形象转化为设定风格的情况，该方法可以由人物风格形象图的生成装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有人物风格形象图的生成功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：

步骤110，将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码。

其中，原始人物形象可以是包含人物形象的图像，可以是通过终端设备的摄像头拍摄获得，或者从数据库获得到的。第一特征编码器可以对输入的人物形象图进行编码，获得第一人物形象特征编码。第一人物形象特征编码可以由多维矩阵表示。

本实施例中，第一特征编码器有设定神经网络构成，并通过人物形象样本图训练获得。

具体的，第一特征编码器的训练方式可以为：获取人物形象样本图；将人物形象样本图输入第一特征编码器，获得第一样本人物形象特征编码；将第一样本人物形象特征编码输入人物形象生成模型中，获得第一重建人物形象图；基于第一重建人物形象图和人物形象样本图的损失函数对第一特征编码器进行训练。

其中，人物形象生成模型可以是采用生成对抗网络训练后获得的模型。图2是本实施例中训练人物形象生成模型的示例图。如图2所示，人物形象生成模型的训练方式为：对生成模型和判别模型进行交叉迭代训练，直到判别模型输出的判别结果的精度满足设定条件，则将训练后的生成模型确定为人物形象生成模型。其中，交叉迭代训练的过程为：将第一随机噪声数据输入生成模型，获得第一人物形象图；将第一动物形象图和第一人物形象样本图输入判别模型，获得第一判别结果；基于第一判别结果调整生成模型中的参数；将第二随机噪声数据输入调整后的生成模型，获得第二风格人物形象图；将第二风格人物形象图和第二人物形象样本图输入判别模型，获得第二判别结果，并确定第二风格人物形象图和第二动物形象样本图间的真实判别结果；根据第二判别结果和真实判别结果的损失函数调整判别模型中的参数。

本实施例中，第一特征编码器是基于训练好的人物形象生成模型训练的。示例性的，图3是本实施例中训练第一特征编码器的示例性。如图3所示，首先将人物形象样本图输入第一特征编码器，以对人物形象样本图进行编码输出第一样本人物形象特征编码，然后将第一样本人物形象特征编码输入人物形象生成模型中，输出第一重建人物形象图，最后基于第一重建人物形象图和人物形象样本图的损失函数对第一特征编码器进行训练。

步骤120，确定原始人物形象图与模板图间的属性增量。

其中，属性可以包括形象的偏转角度、年龄、头发颜色、性别及是否睁眼的等。模板图可以是与人物风格相匹配的图像。例如：假设人物风格为“万圣节”风格，则模板图则为与“万圣节”风格相匹配的图像。

本实施例中，确定原始人物形象图与模板图间的属性增量的方式可以是：将原始人物形象图输入属性识别器中，输出人物属性信息，将模板图输入属性识别器，获得模板属性信息，计算人物属性信息和模板属性信息间的差值，就可以获得属性增量。其中，属性识别器可以是基于设定神经网络构建的。

步骤130，将属性增量和第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码。

其中，第二人物形象特征编码可以理解为增加了属性增量信息的人物形象特征编码。第二特征编码器可以对输入的属性增量和第一人物形象特征编码进行编码，获得第二人物形象特征编码。第二人物形象特征编码可以由多维矩阵表示。

本实施例中，第二特征编码器可以是基于训练好的人物形象生成模型和第一特征编码器训练获得的。其中，人物形象生成模型和第一特征编码器的训练过程参见上述实施例，此处不再赘述。

具体的，第二特征编码器的训练方式为：获取人物形象样本图；将人物形象样本图输入第一特征编码器，获得第二样本人物形象特征编码，将第二样本人物形象特征编码输入人物形象生成模型中，获得第二重建人物形象图；将第二样本人物形象特征编码和真实属性增量输入第二特征编码器，获得第三样本人物形象特征编码；将第三样本人物形象特征编码输入人物形象生成模型中，获得编辑人物形象图；确定第二重建人物形象图和编辑人物形象图的预测属性增量；基于预测属性增量和真实属性增量间损失函数对第二特征编码器进行训练。

其中，人物形象样本图可以是大量的不同角度或者光线下的人物形象图。确定第二重建人物形象图和编辑人物形象图的预测属性增量的方式可以是：将第二重建人物形象图和编辑人物形象图分别输入属性识别器，获得二者的属性信息，再计算二者属性信息间的差值，从而获得预测属性增量。图4是本实施例中训练第二特征编码器的示例图。如图4所示，首先将人物形象样本图输入第一特征编码器，输出第二样本人物形象特征编码，然后将第二样本人物形象特征编码输入人物形象生成模型中，输出第二重建人物形象图；再然后将第二样本人物形象特征编码和真实属性增量输入第二特征编码器，输出第三样本人物形象特征编码；将第三样本人物形象特征编码输入人物形象生成模型中，输出编辑人物形象图；最后确定第二重建人物形象图和编辑人物形象图的预测属性增量，并基于预测属性增量和真实属性增量间损失函数对第二特征编码器进行训练。

步骤140，将第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图。

其中，风格形象生成模型可以将人物形象转换为设定风格的人物图像。本实施例中，设定风格可以是“万圣节”风格。示例性的，图5是本实施例中的一种人物风格形象图，如图5所示，对人像形象中的眼睛、嘴巴、皮肤、头发分别进行了“万圣节”风格的处理，使得该人物形象具有“万圣节”风格。

本实施例中，风格形象生成模型可以是基于训练好的人物形象生成模型训练获得的。人物形象生成模型的训练过程可以参见上述实施例，此处不再赘述。

图6是本实施例中训练风格形象生成模型的示例图，如图6所示，风格形象生成模型的训练方式为：对人物形象生成模型和人物形象判别模型进行交叉迭代训练，直到所述人物形象判别模型输出的判别结果的精度满足设定条件，则将训练后的人物形象生成模型确定为风格形象生成模型；

其中，交叉迭代训练的过程为：获取设定风格人物形象样本图；将第一随机噪声数据输入人物形象生成模型，获得第一风格人物形象图；将第一风格人物形象图和设定风格人物形象样本图输入人物形象判别模型，获得第一判别结果；基于第一判别结果调整人物形象生成模型中的参数；将第二随机噪声数据输入调整后的人物形象生成模型，获得第二风格人物形象图；将第二风格人物形象图和设定风格人物形象样本图输入人物形象判别模型，获得第二判别结果，并确定第二风格人物形象图和设定风格人物形象样本图间的真实判别结果；根据第二判别结果和真实判别结果的损失函数调整人物形象判别模型中的参数。

其中，设定风格人物形象样本图可以是具有“万圣节”风格的人物形象图，可以通过虚拟人物渲染或者修图获得。

步骤150，将初始人物风格形象图融合至模板图中，获得目标人物风格形象图。

其中，模板图可以是与设定格相匹配的图像。例如：假设设定风格为“万圣节”风格，则模板图则为与“万圣节”风格相匹配的图像。示例性的，图7a-图7d为设定风格的模板图。图7a-图7d为与“万圣节”风格相匹配的风格图，且人物形象的数量由1变为4。

本实施例中，为了保证人物风格形象图与模板图的尺寸及位置匹配，需要对初始人物风格形象图进行调整。

具体的，将初始人物风格形象图融合至模板图中，获得目标人物风格形象图的过程可以是：将初始人物风格形象图中的人物风格形象位置进行平移；将平移后的初始人物风格形象图融合至模板图中，获得目标人物风格形象图。

其中，可以将人物风格形象平移至图像中心。

可选的，将初始人物风格形象图中的人物风格形象平移至图像中心的方式可以是：将人物风格形象的中心关键点与初始人物风格形象图的中心点对齐。

具体的，计算人物风格形象的中心关键点的水平坐标与初始人物风格形象图的中心点的水平坐标间距离差，确定为水平距离差，计算人物风格形象的中心关键点的竖直坐标与初始人物风格形象图的中心点的竖直坐标间距离差，确定为竖直距离差，根据水平距离差沿水平方向平移人物风格形象，根据竖直距离差沿竖直反向平移人物风格形象，直到人物风格形象的中心关键点与初始人物风格形象图的中心点对齐。

可选的，将初始人物风格形象图中的人物风格形象平移至图像中心的方式可以是：获取初始人物风格形象图的竖直标准线和水平标准线；提取初始人物风格形象图中人物风格形象的中心关键点及嘴角关键点；确定中心关键点的竖直坐标与竖直标准线的距离差，确定为第一距离差；确定嘴角关键点的水平坐标与水平标准线的距离差，确定为第二距离差；根据第一距离差沿竖直方向平移人物风格形象，根据第二距离差沿水平方向平移人物风格形象，以将人物风格形象平移至图像中心。

其中，竖直标准线和水平标准线可以根据初始人物风格形象图尺寸以及用户的需求设置。示例性的，图8是本实施例中平移人物风格形象的示例图。如图8所示，假设初始人物风格形象图尺寸为512*512，则以初始人物风格形象图尺寸的左上角顶点为原点建立直接坐标系，则竖直标准线设置为x=256，水平标准线设置为y=360，平移人物风格形象，使得人物风格形象的中心关键点落在竖直标准线上，使得嘴角关键点落在水平标准线上。

具体的，将初始人物风格形象图融合至模板图中，获得目标人物风格形象图的过程可以是：对模板图中的模板人物形象进行识别，获得识别矩形框；根据识别矩形框将初始人物风格形象图裁剪为设定尺寸的图像；将设定尺寸的图像粘贴至识别矩形框内；获取模板图的人物形象掩膜图；基于人物形象掩膜图将设定尺寸的图像融合至模板图中，获得目标人物风格形象图。

其中，设定尺寸可以由识别矩形框的尺寸来确定，即使得裁剪后的初始人物风格形象图的尺寸与识别矩形框的尺寸相同。人物形象掩膜图可以理解为由模板图中的模板人物形象所围的区域构成的二值图，例如图7a-图7b中白色区域围成的图即为人物形象掩膜图。本实施例中，将设定尺寸的图像粘贴至识别矩形框的方式可以是：将设定尺寸的图像的左上角顶点与识别矩形框的左上角顶点对齐。

本实施例中，基于所述人物形象掩膜图将所述设定尺寸的图像融合至所述模板图可以按照如下公式计算：R=（mask*output）+（1-mask）*template。其中，R为目标人物风格形象图的像素矩阵，mask为人物形象掩膜图的像素矩阵，output为设定尺寸的图像的像素矩阵，template为模板图的像素矩阵。

本公开实施例的技术方案，将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；确定原始人物形象图与模板图间的属性增量；将属性增量和第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；将第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。本公开实施例提供的人物风格形象图的生成方法，可以生成“万圣节”风格的人物形象图，从而提高图像的多样性。

图9是本公开实施例公开的一种人物风格形象图的生成装置的结构示意图。如图9所示，该装置包括：

第一人物形象特征编码获取模块210，用于将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

属性增量确定模块220，用于获取原始人物形象图与模板图间的属性增量；

第二人物形象特征编码获取模块230，用于将属性增量和第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

初始人物风格形象图获取模块240，用于将第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

目标人物风格形象图获取模块250，用于将初始人物风格形象图融合至模板图中，获得目标人物风格形象图。

可选的，目标人物风格形象图获取模块250，还用于：

将初始人物风格形象图中的人物风格形象平移至图像中心；

将平移后的初始人物风格形象图融合至模板图中，获得目标人物风格形象图。

可选的，目标人物风格形象图获取模块250，还用于：

获取初始人物风格形象图的竖直标准线和水平标准线；

提取初始人物风格形象图中人物风格形象的中心关键点及嘴角关键点；

确定中心关键点的竖直坐标与竖直标准线的距离差，确定为第一距离差；

确定嘴角关键点的水平坐标与水平标准线的距离差，确定为第二距离差；

根据第一距离差沿竖直方向平移人物风格形象，根据第二距离差沿水平方向平移人物风格形象，以将人物风格形象平移至图像中心。

可选的，目标人物风格形象图获取模块250，还用于：

对模板图中的模板人物形象进行识别，获得识别矩形框；

根据识别矩形框将初始人物风格形象图裁剪为设定尺寸的图像；

将设定尺寸的图像粘贴至识别矩形框内；

获取模板图的人物形象掩膜图；

基于人物形象掩膜图将设定尺寸的图像融合至模板图中，获得目标人物风格形象图。

可选的，还包括，第一特征编码器的训练模块，用于：

获取人物形象样本图；

将人物形象样本图输入第一特征编码器，获得第一样本人物形象特征编码；

将第一样本人物形象特征编码输入人物形象生成模型中，获得第一重建人物形象图；

基于第一重建人物形象图和人物形象样本图的损失函数对第一特征编码器进行训练。

可选的，还包括，第二特征编码器训练模块，用于：

获取人物形象样本图；

将人物形象样本图输入第一特征编码器，获得第二样本人物形象特征编码，

将第二样本人物形象特征编码输入人物形象生成模型中，获得第二重建人物形象图；

将第二样本人物形象特征编码和真实属性增量输入第二特征编码器，获得第三样本人物形象特征编码；

将第三样本人物形象特征编码输入人物形象生成模型中，获得编辑人物形象图；

确定第二重建人物形象图和编辑人物形象图的预测属性增量；

基于预测属性增量和真实属性增量间损失函数对第二特征编码器进行训练。

可选的，还包括，风格形象生成模型训练模块，用于：

对人物形象生成模型和人物形象判别模型进行交叉迭代训练，直到人物形象判别模型输出的判别结果的精度满足设定条件，则将训练后的人物形象生成模型确定为风格形象生成模型；

其中，交叉迭代训练的过程为：

获取设定风格人物形象样本图；

将第一随机噪声数据输入人物形象生成模型，获得第一风格人物形象图；

将第一风格人物形象图和设定风格人物形象样本图输入人物形象判别模型，获得第一判别结果；

基于第一判别结果调整人物形象生成模型中的参数；

将第二随机噪声数据输入调整后的人物形象生成模型，获得第二风格人物形象图；

将第二风格人物形象图和设定风格人物形象样本图输入人物形象判别模型，获得第二判别结果，并确定第二风格人物形象图和设定风格人物形象样本图间的真实判别结果；

根据第二判别结果和真实判别结果的损失函数调整人物形象判别模型中的参数。

上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。

下面参考图10，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，或者各种形式的服务器，如独立服务器或者服务器集群。图10示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图10所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储装置（ROM）302中的程序或者从存储装置308加载到随机访问存储装置（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；确定所述原始人物形象图与模板图间的属性增量；将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开实施例的一个或多个实施例，本公开实施例公开了一种人物风格形象图的生成方法，包括：

将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

确定所述原始人物形象图与模板图间的属性增量；

将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

进一步地，将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图，包括：

将所述初始人物风格形象图中的人物风格形象的位置进行平移；

将平移后的初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

进一步地，将所述初始人物风格形象图中的人物风格形象的位置进行平移，包括：

获取所述初始人物风格形象图的竖直标准线和水平标准线；

提取所述初始人物风格形象图中人物风格形象的中心关键点及嘴角关键点；

确定所述中心关键点的竖直坐标与所述竖直标准线的距离差，确定为第一距离差；

确定所述嘴角关键点的水平坐标与所述水平标准线的距离差，确定为第二距离差；

根据所述第一距离差沿竖直方向平移所述人物风格形象，根据所述第二距离差沿水平方向平移所述人物风格形象，以将所述人物风格形象平移至图像中心。

进一步地，将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图，包括：

对所述模板图中的模板人物形象进行识别，获得识别矩形框；

根据所述识别矩形框将所述初始人物风格形象图裁剪为设定尺寸的图像；

将所述设定尺寸的图像粘贴至所述识别矩形框内；

获取所述模板图的人物形象掩膜图；

基于所述人物形象掩膜图将所述设定尺寸的图像融合至所述模板图中，获得目标人物风格形象图。

进一步地，所述第一特征编码器的训练方式为：

获取人物形象样本图；

将所述人物形象样本图输入所述第一特征编码器，获得第一样本人物形象特征编码；

将所述第一样本人物形象特征编码输入人物形象生成模型中，获得第一重建人物形象图；

基于所述第一重建人物形象图和所述人物形象样本图的损失函数对所述第一特征编码器进行训练。

进一步地，所述第二特征编码器的训练方式为：

获取人物形象样本图；

将所述人物形象样本图输入所述第一特征编码器，获得第二样本人物形象特征编码，

将所述第二样本人物形象特征编码输入人物形象生成模型中，获得第二重建人物形象图；

将所述第二样本人物形象特征编码和真实属性增量输入第二特征编码器，获得第三样本人物形象特征编码；

将所述第三样本人物形象特征编码输入人物形象生成模型中，获得编辑人物形象图；

确定所述第二重建人物形象图和所述编辑人物形象图的预测属性增量；

基于所述预测属性增量和所述真实属性增量间损失函数对所述第二特征编码器进行训练。

进一步地，所述风格形象生成模型的训练方式为：

对人物形象生成模型和人物形象判别模型进行交叉迭代训练，直到所述人物形象判别模型输出的判别结果的精度满足设定条件，则将训练后的人物形象生成模型确定为风格形象生成模型；

其中，交叉迭代训练的过程为：

获取设定风格人物形象样本图；

将第一随机噪声数据输入所述人物形象生成模型，获得第一风格人物形象图；

将所述第一风格人物形象图和所述设定风格人物形象样本图输入人物形象判别模型，获得第一判别结果；

基于所述第一判别结果调整所述人物形象生成模型中的参数；

将第二随机噪声数据输入调整后的人物形象生成模型，获得第二风格人物形象图；

将所述第二风格人物形象图和所述设定风格人物形象样本图输入所述人物形象判别模型，获得第二判别结果，并确定所述第二风格人物形象图和所述设定风格人物形象样本图间的真实判别结果；

根据所述第二判别结果和所述真实判别结果的损失函数调整所述人物形象判别模型中的参数。

注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。

Claims (10)

1.一种人物风格形象图的生成方法，其特征在于，包括：

将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

确定所述原始人物形象图与模板图间的属性增量；

将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

2.根据权利要求1所述的方法，其特征在于，将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图，包括：

将所述初始人物风格形象图中的人物风格形象的位置进行平移；

将平移后的初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

3.根据权利要求2所述的方法，其特征在于，将所述初始人物风格形象图中的人物风格形象的位置进行平移，包括：

获取所述初始人物风格形象图的竖直标准线和水平标准线；

提取所述初始人物风格形象图中人物风格形象的中心关键点及嘴角关键点；

确定所述中心关键点的竖直坐标与所述竖直标准线的距离差，确定为第一距离差；

确定所述嘴角关键点的水平坐标与所述水平标准线的距离差，确定为第二距离差；

根据所述第一距离差沿竖直方向平移所述人物风格形象，根据所述第二距离差沿水平方向平移所述人物风格形象。

4.根据权利要求1或2所述的方法，其特征在于，将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图，包括：

对所述模板图中的模板人物形象进行识别，获得识别矩形框；

根据所述识别矩形框将所述初始人物风格形象图裁剪为设定尺寸的图像；

将所述设定尺寸的图像粘贴至所述识别矩形框内；

获取所述模板图的人物形象掩膜图；

基于所述人物形象掩膜图将所述设定尺寸的图像融合至所述模板图中，获得目标人物风格形象图。

5.根据权利要求1所述的方法，其特征在于，所述第一特征编码器的训练方式为：

获取人物形象样本图；

将所述人物形象样本图输入所述第一特征编码器，获得第一样本人物形象特征编码；

将所述第一样本人物形象特征编码输入人物形象生成模型中，获得第一重建人物形象图；

基于所述第一重建人物形象图和所述人物形象样本图的损失函数对所述第一特征编码器进行训练。

6.根据权利要求1所述的方法，其特征在于，所述第二特征编码器的训练方式为：

获取人物形象样本图；

将所述人物形象样本图输入所述第一特征编码器，获得第二样本人物形象特征编码，

将所述第二样本人物形象特征编码输入人物形象生成模型中，获得第二重建人物形象图；

将所述第二样本人物形象特征编码和真实属性增量输入第二特征编码器，获得第三样本人物形象特征编码；

将所述第三样本人物形象特征编码输入人物形象生成模型中，获得编辑人物形象图；

确定所述第二重建人物形象图和所述编辑人物形象图的预测属性增量；

基于所述预测属性增量和所述真实属性增量间损失函数对所述第二特征编码器进行训练。

7.根据权利要求1所述的方法，其特征在于，所述风格形象生成模型的训练方式为：

对人物形象生成模型和人物形象判别模型进行交叉迭代训练，直到所述人物形象判别模型输出的判别结果的精度满足设定条件，则将训练后的人物形象生成模型确定为风格形象生成模型；

其中，交叉迭代训练的过程为：

获取设定风格人物形象样本图；

将第一随机噪声数据输入所述人物形象生成模型，获得第一风格人物形象图；

将所述第一风格人物形象图和所述设定风格人物形象样本图输入人物形象判别模型，获得第一判别结果；

基于所述第一判别结果调整所述人物形象生成模型中的参数；

将第二随机噪声数据输入调整后的人物形象生成模型，获得第二风格人物形象图；

将所述第二风格人物形象图和所述设定风格人物形象样本图输入所述人物形象判别模型，获得第二判别结果，并确定所述第二风格人物形象图和所述设定风格人物形象样本图间的真实判别结果；

根据所述第二判别结果和所述真实判别结果的损失函数调整所述人物形象判别模型中的参数。

8.一种人物风格形象图的生成装置，其特征在于，包括：

第一人物形象特征编码获取模块，用于将原始人物形象图输入第一特征编码器，获得第一人物形象特征编码；

属性增量确定模块，用于获取所述原始人物形象图与模板图间的属性增量；

第二人物形象特征编码获取模块，用于将所述属性增量和所述第一人物形象特征编码输入第二特征编码器，获得第二人物形象特征编码；

初始人物风格形象图获取模块，用于将所述第二人物形象特征编码输入风格形象生成模型，获得初始人物风格形象图；

目标人物风格形象图获取模块，用于将所述初始人物风格形象图融合至所述模板图中，获得目标人物风格形象图。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-7中任一所述的人物风格形象图的生成方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-7中任一所述的人物风格形象图的生成方法。