CN110197459A - 图像风格化生成方法、装置及电子设备 - Google Patents
图像风格化生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110197459A CN110197459A CN201910403850.9A CN201910403850A CN110197459A CN 110197459 A CN110197459 A CN 110197459A CN 201910403850 A CN201910403850 A CN 201910403850A CN 110197459 A CN110197459 A CN 110197459A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- multiple images
- interactive interface
- operational order
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002452 interceptive effect Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000006870 function Effects 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 206010054949 Metaplasia Diseases 0.000 claims description 2
- 230000015689 metaplastic ossification Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 43
- 230000009471 action Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000036544 posture Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000406668 Loxodonta cyclotis Species 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例中提供了一种图像风格化生成方法、装置及电子设备,属于数据处理技术领域,该方法包括:获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成所述交互界面的电子设备中;利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。通过本公开的处理方案,能够实时的设置图像的风格化效果。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种图像风格化生成方法、装置及电子设备。
背景技术
随着社会的不断发展和进步,电子产品开始广泛的进入了人们的生活中。尤其是近些年这些电子产品不但普及速度快,其更新的速度也是非常的惊人。基于电子设备而发展的软件也得到的迅猛的发展,越来越多的用户开始使用智能手机等电子设备来进行社交等网络操作。在进行网络操作的过程中,越来越多的人希望自己拍摄或录制的视频具有独特的风格化特点。
在对图像进行风格化的过程中,通常需要对用户拍摄的照片或录制的视频进行大量的数据计算,这就对用户使用的进行拍照的电子设备提出了较高的要求,即电子设备具有较高的运算速度。而目前市面上的电子设备存在较多的性能差异,这对风格化的实现造成了一定的障碍。
除此之外,用户在进行拍照之前或录制视频之前,通常希望能够快速的调用或切换具体的风格化类型,以达到较好的用户体现。而目前市面上的风格化类型设置或切换操作,通常是采用手工的方式按照定义好的操作步骤来一步一步执行,较为费时费力。
发明内容
有鉴于此,本公开实施例提供一种图像风格化生成方法、装置及电子设备,至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种图像风格化生成方法,包括:
获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;
基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;
确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中;
利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
根据本公开实施例的一种具体实现方式,所述获取交互界面上显示的包含目标对象的多个图像,包括:
对所述交互界面中的视频内容进行采集,获得包含多个视频帧的视频文件;
从所述视频文件中选取一个或多个的视频帧,形成包含所述目标对象的多个图像。
根据本公开实施例的一种具体实现方式,所述从所述视频文件中选取一个或多个的视频帧,形成包含所述目标对象的多个图像,包括:
对所述视频文件中的视频帧进行目标对象检测,得到包含目标对象的图像序列;
在所述图像序列中,判断当前视频帧中的第一图形区域与上一视频帧中的第一视频区域是否相同;
响应于当前视频帧中的第一图形区域与上一视频帧中的第一视频区域相同,则在所述图像序列中删除当前视频帧。
根据本公开实施例的一种具体实现方式,所述获取交互界面上显示的包含目标对象的多个图像之后,所述方法还包括:
选取不同取向的多个结构元素;
利用多个结构元素中的每一结构元素对所述多个图像进行细节匹配,得到滤波图像;
确定滤波图像的灰度边缘进行计算,以得到滤波图像中多个灰度级别中每一灰度级别中存在的像素数;
对每一灰度级别中的像素数进行加权,并将加权后的灰度平均值作为阈值;
基于所述阈值对所述滤波图像进行二值化处理;
将二值化处理后的图像作为所述目标对象的边缘图像。
根据本公开实施例的一种具体实现方式,所述基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令,包括:
利用所述时间序列,确定所述目标对象在所述多个图像上进行动作切换的移动速度;
根据预设的速度阈值和所确定的所述移动速度,从所述多个图像中选择一个图像作为目标图像;
对所述目标图像上的目标对象的第一图形区域进行边缘识别,以得到所述目标对象的指令图形;
将与所述指令图形匹配的控制指令,确定为所述目标对象的操作指令。
根据本公开实施例的一种具体实现方式,所述速度阈值通过如下方式确定:
从所述多个图像中对目标对象进行识别,并确定识别到的目标对象图像的尺寸;
根据目标在所述多个图像中的尺寸比例,确定所述多个图像对应的速度阈值。
根据本公开实施例的一种具体实现方式,所述确定所述操作指令对应的轻量化模型的图像处理参数,包括:
基于预先定义的映射表,查找与所述操作指令相对应的缩放因子和平移因子;
将与所述操作指令相对应的缩放因子和平移因子作为输入因子,在所述轻量化模型中所有的条件输入层进行配置;
将所有条件输入层完成配置后的参数,作为所述轻量化模型的图像处理参数。
根据本公开实施例的一种具体实现方式,所述利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像,包括:
在所述轻量化模型中选取多个卷积层和池化层,其中,所述池化层采用平均池化处理方式;
基于所述多个卷积层和池化层,生成与所述目标对象相对应的风格化图像。
根据本公开实施例的一种具体实现方式,所述基于所述多个卷积层和池化层,生成与所述目标对象相对应的风格化图像,包括:
设置待展示的图像与风格化图像在所述卷积层和池化层的特征表示;
基于所述特征表示,构建最小化损失函数;
基于所述最小化损失函数,生成与所述目标对象相对应的风格化图像。
第二方面,本公开实施例提供了一种图像风格化生成装置,包括:
获取模块,用于获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;
第一确定模块,用于基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;
第二确定模块,用于确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中;
执行模块,用于利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的图像风格化生成方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的图像风格化生成方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的图像风格化生成方法。
本公开实施例中的图像风格化生成方案,包括获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中;利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。通过本公开的方案,在降低电子设备计算负荷的同时,提高了用户的操作体验。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例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公开的一些实施例,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它的附图。
图1为本公开实施例提供的一种图像风格化生成流程示意图;
图2为本公开实施例提供的一种神经网络模型示意图;
图3为本公开实施例提供的另一种图像风格化生成流程示意图;
图4为本公开实施例提供的另一种图像风格化生成流程示意图;
图5为本公开实施例提供的图像风格化生成装置结构示意图;
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种图像风格化生成方法。本实施例提供的图像风格化生成方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、终端设备等中。
参见图1,本公开实施例提供的一种图像风格化生成方法,包括如下步骤:
S101,获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域。
本公开实施例的方案可应用于具有数据处理功能的电子设备中,该电子设备包含硬件和安装于电子设备内的软件,同时该电子设备还可以安装各种应用程序,例如,图像处理类应用程序、视频播放类应用程序、社交类应用程序等。
交互界面是运行于应用程序中的窗口,交互界面上显示有包含目标对象的图像或者视频。目标对象是本公开中定义的特定的对象,目标对象具有一定的形状,通过改变目标对象的形状,可以形成基于不同形状的命令。例如,目标对象可以是人体的体型,人体通过四肢形成不同的姿势,可以构成不同的姿势命令。或者,目标对象还可以是各种手势,通过手势形成比如“竖起大拇指”之类的姿态,来表达不同的手势指令。
目标对象在交互界面中占据一定的位置和面积,与之对应的,目标对象在交互界面上的投影便构成了第一图形区域,该第一图形区域能够在交互区域形成的多个图像中显示。
电子设备可以通过有线连接方式或者无线连接方式从远程,或从本地获取在交互界面上播放的、对目标对象进行拍摄得到的多个图像(目标图像序列)。其中,交互界面可以是用于显示对目标对象进行拍摄得到的图像的界面。例如,交互界面可以是上述执行主体上安装的、用于拍摄图像的应用的界面。目标对象可以是对其进行拍摄图像的人物,例如,目标对象可以是使用上述执行主体进行自拍的用户。多个图像还可以是进行运动目标检测的图像序列。通常,多个图像包括的图像可以是对目标对象进行拍摄得到的图像序列中的图像的全部或一部分,多个图像包括当前在交互界面上显示的图像。作为一种情况,多个图像可以包括预设数量个图像,其中包括当前在交互界面上显示的图像。
S102,基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令。
可以对多个图像进行运动目标检测,确定多个图像中每一图像分别对应的动作信息。由于多个图像是在形成时通常会包含一定的时间信息(例如,图像拍摄时间或图像形成时间),为此可以对多个图像上的时间进行提取,形成时间序列。基于时间序列,可以按照时间的先后顺序对多个图像进行先后顺序排列,从而基于时间的维度来判断多个图像上包含的动作信息(例如,动作指令)。
动作信息用于表征目标对象在时间序列内依次产生的动作状态,动作状态可以是运动状态或静止状态。对于多个图像中的图像,该图像对应的动作状态可以根据该图像中,相对于该图像之前的图像(可以是与该图像相邻的图像,也可以是与该图像之间间隔预设数量个图像的图像),在目标界面发生移动的像素组成的区域的移动距离(例如,该移动距离可以是上述发生移动的像素组成的区域中的每个像素的移动距离中的最大移动距离;或者可以是各个像素的移动距离的平均值)来确定。例如,如果上述移动距离大于等于预设的距离阈值,确定该图像对应的动作状态为运动状态。或者,根据上述移动距离以及该图像与上述目标图像之间的播放时间差,确定出移动速度,如果移动速度大于等于预设的速度阈值,确定该图像对应的动作状态为运动状态。
通常来讲,目标对象在静止状态形成第一图形区域所表示的形状指令才是用户真实想表达的动作指令,目标对象在运动状态形成的形状通常是形成动作指令之前的中间暂态形状,为此,需要基于多个图像来判断哪些图像上的第一图形区域与用户指令相关。
具体的,可以基于所述多个图像在时间序列上的状态变化来进行判断。当检测到目标对象在多个图像上的状态由运动状态转换为静止状态时,将静止状态上第一图形区域所表示的图形指令解析为目标对象的操作指令。该操作指令可以用多种方式进行表达,操作指令的形式可以包括但不限于以下至少一种:数字、文字、符号、电平信号等。
S103,确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中。
电子设备内部设置有轻量化模型,该轻量化模型用于对电子设备中接收到的图像进行风格化处理。为了降低电子设备(例如,手机)的资源消耗,使电子设备能够在较小的资源占用的情况下,仍然能够有效的对输入的图像进行风格化处理。本公开的方案设计了一种针对性的轻量化模型。参见图2,轻量化模型采用神经网络模型的方式设计,神经网络模型包括卷积层、池化层、采样层。为了提高神经网络的计算效率,同时降低***电子设备的计算复杂,本公开的方案中不设置全连接层。
卷积层主要参数包括卷积核的大小和输入特征图的数量,每个卷积层可以包含若干个相同大小的特征图,同一层特征值采用共享权值的方式,每层内的卷积核大小一致。卷积层对输入图像进行卷积计算,并提取输入图像的布局特征。
卷积层的特征提取层后面都可以与采样层连接,采样层用来求输入表情图像的局部平均值并进行二次特征提取,通过将采样层与卷积层连接,能够保证神经网络模型对于输入表情图像具有较好的鲁棒性。
为了加快神经网络模型的训练速度,在卷积层后面还设置有池化层,池化层采用平均池化的方式对卷积层的输出结果进行处理,能够改进神经网络的梯度流并且可以获得更有感染力的结果。
轻量化模型内部含有不同的参数,通过设置参数可以使轻量化模型产生不同的艺术化风格。具体的,在获取到目标对象的操作指令后,可以对操作指令进行解析,用以确定操作指令的具体含义,从而进一步确定与操作指令对应的图像处理参数。
S104,利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
在获取到图像的处理参数之后,基于该处理参数,可以在轻量化模型中设置风格化的类型,从而能够在当前的交互界面中将待展示的图像实时转化为与所述目标对象相对应的风格化图像。待展示的图像可以是用户在当前交互界面中选择的一个或多个图像,待展示的图像也可以是待展示视频中的一个或多个视频帧图像。通过将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像,能够形成具有特定风格化的图像或者视频。
作为一种可选的实施方式,在获取交互界面上显示的包含目标对象的多个图像的过程中,当交互界面上的内容为视频内容时,可以对交互界面中的视频内容进行采集,获得包含多个视频帧的视频文件。基于实际的需要,从所述视频文件中选取一个或多个的视频帧,形成包含所述目标对象的多个图像。
为了能够减少选取多个图像的过程中对于电子设备资源的消耗,根据本公开实施例的一种可选实现方式,可以先对所述视频文件中的视频帧进行目标对象检测,得到包含目标对象的图像序列,对于不包含目标对象的图像帧,则不进行处理,从而节省了电子设备的资源。
对于包含目标对象的图像序列中,为了进一步的减少电子设备的资源消耗,可以判断当前视频帧中的第一图形区域与上一视频帧中的第一视频区域是否相同,若是,则在所述图像序列中删除当前视频帧。通过这种方式,能够进一步优化电子设备的资源。
为了便于对获取的多个图像进行目标对象识别,参见图3,根据本公开实施例的一种具体实现方式,所述获取交互界面上显示的包含目标对象的多个图像之后,所述方法还包括:
S301,选取不同取向的多个结构元素。
可以通过边缘检测算子对目标对象进行检测,如果边缘检测算子只采用一种结构元素,其输出图像中只包含了一种几何信息,不利于图像细节的保持。为了能够保证图像检测的准确度,选择包含多种结构元的边缘检测算子。
S302,利用多个结构元素中的每一结构元素对所述多个图像进行细节匹配,得到滤波图像。
通过采用不同取向的多个结构元素,将每一结构元素作为一种尺度对图像细节进行匹配,可以在过滤到不同类型和大小的噪声的同时,充分保持图像的各种细节。
S303,确定滤波图像的灰度边缘计算,以得到滤波图像中多个灰度级别中每一灰度级别中存在的像素数。
对图像滤波之后,为了进一步的减少计算量,可以将滤波之后的图像转变为灰度图像,通过对灰度图像设置多个灰度级别,可以计算得到每一个灰度级别图像中存在的像素数。
S304,对每一灰度级别中的像素数进行加权,并将加权后的灰度平均值作为阈值。
基于不同灰度级中像素的数目,可以考虑基于像素数对灰度级别进行加权处理,例如,对于像素数较多的灰度级别值给予较大的权重,对于像素数较少的灰度级别值设置较小的权重,通过对加权后的灰度值进行平均值计算,得到加权后的平均灰度值作为阈值,从而能够基于该平均灰度值对灰度图像进行二值化处理。
S305,基于所述阈值对所述滤波图像进行二值化处理。
基于该阈值,可以对滤波图像进行二值化处理,例如,对于大于该阈值的像素二值化为数据1,对于小于该阈值的像素二值化为0。
S306,将二值化处理后的图像作为所述目标对象的边缘图像。
通过将二值化之后的数据进行相应的颜色赋值,便得到了目标对象的边缘图像,例如将二值化为1的像素赋值为黑色,将二值化为0的图像赋值为白色。
通过步骤S301~S306中的步骤,在减少电子设备***资源消耗的前提下,提高了目标对象检测的准确度。
除了上述实施例中公开的方案之外,根据本公开实施例的另外一种实现方式,在基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令的过程中,还可以利用多个图像关联的时间序列,来确定目标对象在所述多个图像上进行动作切换的移动速度,例如,可以根据间隔图像之间动作的移动距离和间隔时间的比值,来判断目标对象在间隔图像上的移动速度。根据预设的速度阈值和计算得到的所述移动速度,从所述多个图像中选择一个图像作为目标图像,例如,可以选择移动速度最小的图像作为目标图像。
在获得目标图像之后,通过对所述目标图像上的目标对象的第一图形区域进行边缘识别,得到所述目标对象的指令图形,通过将指令图形匹配成相应的控制指令,即可确定目标对象的操作指令。
根据本公开实施例的一种可选实现方式,所述速度阈值可以通过如下步骤确定:从所述多个图像中对目标对象进行识别,并计算识别到的目标对象图像的尺寸,根据目标在所述多个图像中的尺寸比例,确定所述多个图像对应的速度阈值。
在确定所述操作指令对应的轻量化模型的图像处理参数之前,可以在预先定义映射表,基于预先定义的映射表,能够查找与所述操作指令相对应的缩放因子和平移因子,通过设置缩放因子和平移因子,能够形成不同风格的风格化效果。为此,可以在轻量化模型中设置输入层,输入层包含缩放因子和平移因子,在获得具体的图像处理参数之后,将与所述操作指令相对应的缩放因子和平移因子作为输入因子,在所述轻量化模型中所有的条件输入层进行配置,能够简单有效的对轻量化模型进行配置。条件输入层可以根据实际的需要设置在一个或多个卷积层、池化层或采样层中。将所有条件输入层完成配置后的参数,作为所述轻量化模型的图像处理参数,从而能够得到不同类型的风格化模型。
参见图4,根据本公开实施例的一种可选实现方式,所述基于所述多个卷积层和池化层,生成与所述目标对象相对应的风格化图像,可以包括:
S401,设置待展示的图像与风格化图像在所述卷积层和池化层的特征表示。
待展示图像和训练样本中的风格化图像在轻量化网络的卷积层和池化层中均进行采样,采样之后在各层的数据构成了待展示的图像与风格化图像在所述卷积层和池化层的特征表示。例如,对于轻量化模型中第i层而言,待展示图像和风格化图像在第i层的特征表示可以用Pi和Fi。
S402,基于所述特征表示,构建最小化损失函数。
基于Pi和Fi,可以基于这两个特征表示定义平方误差损耗函数,并将该平方误差损耗函数设置为最小化损失函数L,则最小化损失函数L在第i层可以表示为:
其中,k,j为小于等于i的自然数。
S403,基于所述最小化损失函数,生成与所述目标对象相对应的风格化图像。
通过对最小化函数进行计算,使最小化函数L的数值最小,可以得到与目标对象相对应的风格化图像。
通过特征表示和最小化函数的方式,提高了生成的风格化图像的准确度。
与上面的方法实施例相对应,参见图5,本公开实施例还提供了一种图像风格化生成装置50,包括:
获取模块501,用于获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域。
本公开实施例的方案可应用于具有数据处理功能的电子设备中,该电子设备包含硬件和安装于电子设备内的软件,同时该电子设备还可以安装各种应用程序,例如,图像处理类应用程序、视频播放类应用程序、社交类应用程序等。
交互界面是运行于应用程序中的窗口,交互界面上显示有包含目标对象的图像或者视频。目标对象是本公开中定义的特定的对象,目标对象具有一定的形状,通过改变目标对象的形状,可以形成基于不同形状的命令。例如,目标对象可以是人体的体型,人体通过四肢形成不同的姿势,可以构成不同的姿势命令。或者,目标对象还可以是各种手势,通过手势形成比如“竖起大拇指”之类的姿态,来表达不同的手势指令。
目标对象在交互界面中占据一定的位置和面积,与之对应的,目标对象在交互界面上的投影便构成了第一图形区域,该第一图形区域能够在交互区域形成的多个图像中显示。
电子设备可以通过有线连接方式或者无线连接方式从远程,或从本地获取在交互界面上播放的、对目标对象进行拍摄得到的多个图像(目标图像序列)。其中,交互界面可以是用于显示对目标对象进行拍摄得到的图像的界面。例如,交互界面可以是上述执行主体上安装的、用于拍摄图像的应用的界面。目标对象可以是对其进行拍摄图像的人物,例如,目标对象可以是使用上述执行主体进行自拍的用户。多个图像还可以是进行运动目标检测的图像序列。通常,多个图像包括的图像可以是对目标对象进行拍摄得到的图像序列中的图像的全部或一部分,多个图像包括当前在交互界面上显示的图像。作为一种情况,多个图像可以包括预设数量个图像,其中包括当前在交互界面上显示的图像。
第一确定模块502,用于基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令。
可以对多个图像进行运动目标检测,确定多个图像中每一图像分别对应的动作信息。由于多个图像是在形成时通常会包含一定的时间信息(例如,图像拍摄时间或图像形成时间),为此可以对多个图像上的时间进行提取,形成时间序列。基于时间序列,可以按照时间的先后顺序对多个图像进行先后顺序排列,从而基于时间的维度来判断多个图像上包含的动作信息(例如,动作指令)。
动作信息用于表征目标对象在时间序列内依次产生的动作状态,动作状态可以是运动状态或静止状态。对于多个图像中的图像,该图像对应的动作状态可以根据该图像中,相对于该图像之前的图像(可以是与该图像相邻的图像,也可以是与该图像之间间隔预设数量个图像的图像),在目标界面发生移动的像素组成的区域的移动距离(例如,该移动距离可以是上述发生移动的像素组成的区域中的每个像素的移动距离中的最大移动距离;或者可以是各个像素的移动距离的平均值)来确定。例如,如果上述移动距离大于等于预设的距离阈值,确定该图像对应的动作状态为运动状态。或者,根据上述移动距离以及该图像与上述目标图像之间的播放时间差,确定出移动速度,如果移动速度大于等于预设的速度阈值,确定该图像对应的动作状态为运动状态。
通常来讲,目标对象在静止状态形成第一图形区域所表示的形状指令才是用户真实想表达的动作指令,目标对象在运动状态形成的形状通常是形成动作指令之前的中间暂态形状,为此,需要基于多个图像来判断哪些图像上的第一图形区域与用户指令相关。
具体的,可以基于所述多个图像在时间序列上的状态变化来进行判断。当检测到目标对象在多个图像上的状态由运动状态转换为静止状态时,将静止状态上第一图形区域所表示的图形指令解析为目标对象的操作指令。该操作指令可以用多种方式进行表达,操作指令的形式可以包括但不限于以下至少一种:数字、文字、符号、电平信号等。
第二确定模块503,用于确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中。
电子设备内部设置有轻量化模型,该轻量化模型用于对电子设备中接收到的图像进行风格化处理。为了降低电子设备(例如,手机)的资源消耗,使电子设备能够在较小的资源占用的情况下,仍然能够有效的对输入的图像进行风格化处理。本公开的方案设计了一种针对性的轻量化模型。参见图2,轻量化模型采用神经网络模型的方式设计,神经网络模型包括卷积层、池化层、采样层。为了提高神经网络的计算效率,同时降低***电子设备的计算复杂,本公开的方案中不设置全连接层。
卷积层主要参数包括卷积核的大小和输入特征图的数量,每个卷积层可以包含若干个相同大小的特征图,同一层特征值采用共享权值的方式,每层内的卷积核大小一致。卷积层对输入图像进行卷积计算,并提取输入图像的布局特征。
卷积层的特征提取层后面都可以与采样层连接,采样层用来求输入表情图像的局部平均值并进行二次特征提取,通过将采样层与卷积层连接,能够保证神经网络模型对于输入表情图像具有较好的鲁棒性。
为了加快神经网络模型的训练速度,在卷积层后面还设置有池化层,池化层采用平均池化的方式对卷积层的输出结果进行处理,能够改进神经网络的梯度流并且可以获得更有感染力的结果。
轻量化模型内部含有不同的参数,通过设置参数可以使轻量化模型产生不同的艺术化风格。具体的,在获取到目标对象的操作指令后,可以对操作指令进行解析,用以确定操作指令的具体含义,从而进一步确定与操作指令对应的图像处理参数。
执行模块504,用于利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
在获取到图像的处理参数之后,基于该处理参数,可以在轻量化模型中设置风格化的类型,从而能够在当前的交互界面中将待展示的图像实时转化为与所述目标对象相对应的风格化图像。待展示的图像可以是用户在当前交互界面中选择的一个或多个图像,待展示的图像也可以是待展示视频中的一个或多个视频帧图像。通过将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像,能够形成具有特定风格化的图像或者视频。
图5所示装置可以对应的执行上述方法实施例中的内容,本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图6,本公开实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中图像风格化生成方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的图像风格化生成方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备60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。图6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6所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,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流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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***、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***、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***、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。
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:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,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:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
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***、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***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,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种图像风格化生成方法,其特征在于,包括:
获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;
基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;
确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成所述交互界面的电子设备中;
利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
2.根据权利要求1所述的方法,其特征在于,所述获取交互界面上显示的包含目标对象的多个图像,包括:
对所述交互界面中的视频内容进行采集,以获得包含多个视频帧的视频文件;
从所述视频文件中选取一个或多个的视频帧,以形成包含所述目标对象的多个图像。
3.根据权利要求2所述的方法,其特征在于,所述从所述视频文件中选取一个或多个的视频帧,形成包含所述目标对象的多个图像,包括:
对所述视频文件中的视频帧进行目标对象检测,以得到包含目标对象的图像序列;
在所述图像序列中,判断当前视频帧中的第一图形区域与上一视频帧中的第一视频区域是否相同;
响应于当前视频帧中的第一图形区域与上一视频帧中的第一视频区域相同,在所述图像序列中删除当前视频帧。
4.根据权利要求1所述的方法,其特征在于,所述获取交互界面上显示的包含目标对象的多个图像之后,所述方法还包括:
选取不同取向的多个结构元素;
利用多个结构元素中的每一结构元素对所述多个图像进行细节匹配,以得到滤波图像;
确定滤波图像的灰度边缘,以得到滤波图像中多个灰度级别中每一灰度级别中存在的像素数;
对每一灰度级别中的像素数进行加权,并将加权后的灰度平均值作为阈值;
基于所述阈值对所述滤波图像进行二值化处理;
将二值化处理后的图像作为所述目标对象的边缘图像。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令,包括:
利用所述时间序列,确定所述目标对象在所述多个图像上进行动作切换的移动速度;
根据预设的速度阈值和所确定的所述移动速度,从所述多个图像中选择一个图像作为目标图像;
对所述目标图像上的目标对象的第一图形区域进行边缘识别,以得到所述目标对象的指令图形;
将与所述指令图形匹配的控制指令,确定为所述目标对象的操作指令。
6.根据权利要求5所述的方法,其特征在于,所述速度阈值通过如下方式确定:
从所述多个图像中对目标对象进行识别,并确定识别到的目标对象图像的尺寸;
根据目标在所述多个图像中的尺寸比例,确定所述多个图像对应的速度阈值。
7.根据权利要求1所述的方法,其特征在于,所述确定所述操作指令对应的轻量化模型的图像处理参数,包括:
基于预先定义的映射表,查找与所述操作指令相对应的缩放因子和平移因子;
将与所述操作指令相对应的缩放因子和平移因子作为输入因子,在所述轻量化模型中所有的条件输入层进行配置;
将所有条件输入层完成配置后的参数,作为所述轻量化模型的图像处理参数。
8.根据权利要求1所述的方法,其特征在于,所述利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像,包括:
在所述轻量化模型中选取多个卷积层和池化层,其中,所述池化层采用平均池化处理方式;
基于所述多个卷积层和池化层,生成与所述目标对象相对应的风格化图像。
9.根据权利要求8所述的方法,其特征在于,所述基于所述多个卷积层和池化层,生成与所述目标对象相对应的风格化图像,包括:
设置待展示的图像与风格化图像在所述卷积层和池化层的特征表示;
基于所述特征表示,构建最小化损失函数;
基于所述最小化损失函数,生成与所述目标对象相对应的风格化图像。
10.一种图像风格化生成装置,其特征在于,包括:
获取模块,用于获取交互界面上显示的包含目标对象的多个图像,所述目标对象在所述多个图像中形成第一图形区域;
第一确定模块,用于基于所述第一图形区域在所述多个图像上的时间序列,确定所述目标对象的操作指令;
第二确定模块,用于确定所述操作指令对应的轻量化模型的图像处理参数,其中,所述轻量化模型存储于生成交互界面的电子设备中;
执行模块,用于利用所述图像处理参数及所述轻量化模型,将当前交互界面中待展示的图像实时转化为与所述目标对象相对应的风格化图像。
11.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述任一权利要求1-9所述的图像风格化生成方法。
12.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述任一权利要求1-9所述的图像风格化生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910403850.9A CN110197459B (zh) | 2019-05-15 | 2019-05-15 | 图像风格化生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910403850.9A CN110197459B (zh) | 2019-05-15 | 2019-05-15 | 图像风格化生成方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197459A true CN110197459A (zh) | 2019-09-03 |
CN110197459B CN110197459B (zh) | 2023-04-07 |
Family
ID=67752817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910403850.9A Active CN110197459B (zh) | 2019-05-15 | 2019-05-15 | 图像风格化生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197459B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784565A (zh) * | 2020-07-01 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、迁移模型训练方法、装置、介质及设备 |
CN113256484A (zh) * | 2021-05-17 | 2021-08-13 | 百果园技术(新加坡)有限公司 | 一种对图像进行风格化处理的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107171932A (zh) * | 2017-04-27 | 2017-09-15 | 腾讯科技(深圳)有限公司 | 一种图片风格转换方法、装置及*** |
CN107277615A (zh) * | 2017-06-30 | 2017-10-20 | 北京奇虎科技有限公司 | 直播风格化处理方法、装置、计算设备及存储介质 |
US20180082407A1 (en) * | 2016-09-22 | 2018-03-22 | Apple Inc. | Style transfer-based image content correction |
US20180082715A1 (en) * | 2016-09-22 | 2018-03-22 | Apple Inc. | Artistic style transfer for videos |
CN108171652A (zh) * | 2017-12-28 | 2018-06-15 | 努比亚技术有限公司 | 一种改进图像风格效果的方法、移动终端及存储介质 |
CN108596830A (zh) * | 2018-04-28 | 2018-09-28 | 国信优易数据有限公司 | 一种图像风格迁移模型训练方法以及图像风格迁移方法 |
CN108875751A (zh) * | 2017-11-02 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法和装置、神经网络的训练方法、存储介质 |
-
2019
- 2019-05-15 CN CN201910403850.9A patent/CN110197459B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180082407A1 (en) * | 2016-09-22 | 2018-03-22 | Apple Inc. | Style transfer-based image content correction |
US20180082715A1 (en) * | 2016-09-22 | 2018-03-22 | Apple Inc. | Artistic style transfer for videos |
CN107171932A (zh) * | 2017-04-27 | 2017-09-15 | 腾讯科技(深圳)有限公司 | 一种图片风格转换方法、装置及*** |
CN107277615A (zh) * | 2017-06-30 | 2017-10-20 | 北京奇虎科技有限公司 | 直播风格化处理方法、装置、计算设备及存储介质 |
CN108875751A (zh) * | 2017-11-02 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法和装置、神经网络的训练方法、存储介质 |
CN108171652A (zh) * | 2017-12-28 | 2018-06-15 | 努比亚技术有限公司 | 一种改进图像风格效果的方法、移动终端及存储介质 |
CN108596830A (zh) * | 2018-04-28 | 2018-09-28 | 国信优易数据有限公司 | 一种图像风格迁移模型训练方法以及图像风格迁移方法 |
Non-Patent Citations (2)
Title |
---|
丁晓龙: "基于深度学习的图像风格迁移技术的前沿进展", 《电子制作》 * |
陈恩庆等: "采用多结构元素模板的形态学边缘检测新算法", 《计算机工程与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784565A (zh) * | 2020-07-01 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、迁移模型训练方法、装置、介质及设备 |
CN111784565B (zh) * | 2020-07-01 | 2021-10-29 | 北京字节跳动网络技术有限公司 | 图像处理方法、迁移模型训练方法、装置、介质及设备 |
CN113256484A (zh) * | 2021-05-17 | 2021-08-13 | 百果园技术(新加坡)有限公司 | 一种对图像进行风格化处理的方法及装置 |
CN113256484B (zh) * | 2021-05-17 | 2023-12-05 | 百果园技术(新加坡)有限公司 | 一种对图像进行风格化处理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110197459B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189246A (zh) | 图像风格化生成方法、装置及电子设备 | |
CN110287891A (zh) | 基于人体关键点的手势控制方法、装置及电子设备 | |
CN110457414A (zh) | 离线地图处理、虚拟对象显示方法、装置、介质和设备 | |
CN110222726A (zh) | 图像处理方法、装置及电子设备 | |
CN110086988A (zh) | 拍摄角度调整方法、装置、设备及其存储介质 | |
CN110288553A (zh) | 图像美化方法、装置及电子设备 | |
CN110189394A (zh) | 口型生成方法、装置及电子设备 | |
CN110378410A (zh) | 多标签场景分类方法、装置及电子设备 | |
CN110267097A (zh) | 基于分类特征的视频推送方法、装置及电子设备 | |
RU2667720C1 (ru) | Способ имитационного моделирования и управления виртуальной сферой в мобильном устройстве | |
CN110070551A (zh) | 视频图像的渲染方法、装置和电子设备 | |
CN110288551A (zh) | 视频美化方法、装置及电子设备 | |
CN110288520A (zh) | 图像美化方法、装置及电子设备 | |
CN110069191A (zh) | 基于终端的图像拖拽变形实现方法和装置 | |
CN110047121A (zh) | 端到端的动画生成方法、装置及电子设备 | |
CN110399847A (zh) | 关键帧提取方法、装置及电子设备 | |
CN110278447A (zh) | 基于连续特征的视频推送方法、装置及电子设备 | |
CN110047119A (zh) | 包含动态背景的动画生成方法、装置及电子设备 | |
CN110288037A (zh) | 图像处理方法、装置及电子设备 | |
CN110197459A (zh) | 图像风格化生成方法、装置及电子设备 | |
CN110035271A (zh) | 保真图像生成方法、装置及电子设备 | |
CN110069125A (zh) | 虚拟对象的控制方法和装置 | |
CN110211017A (zh) | 图像处理方法、装置及电子设备 | |
CN110287350A (zh) | 图像检索方法、装置及电子设备 | |
CN111797867A (zh) | ***资源优化方法、装置、存储介质及电子设备 |
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 |