CN112581356A - 一种人像变换的处理方法、装置及存储介质 - Google Patents
一种人像变换的处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112581356A CN112581356A CN202011466704.XA CN202011466704A CN112581356A CN 112581356 A CN112581356 A CN 112581356A CN 202011466704 A CN202011466704 A CN 202011466704A CN 112581356 A CN112581356 A CN 112581356A
- Authority
- CN
- China
- Prior art keywords
- image
- user
- face
- portrait
- transformation
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 48
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000003860 storage Methods 0.000 title claims description 9
- 230000032683 aging Effects 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000037303 wrinkles Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010033307 Overweight Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人像变老的图像处理方法,为用户输入的图像进行图像变换,所述用户图像匹配不同的变换方式,并为用户图像选择相应的变换模板,根据所述变换模板输出人像变老后的图像数据。不同的变换模板具有不同的变换效果,其中,通用的变换模板为:用户在图片上传后,***对图片中的人脸进行检测,获取所述图片中的特征点定位后,对局部区域进行分割,准备样本训练得到成熟的人像预测模型,得出设定年龄下共有特征的平均脸模型,再和需预测用户的照片进行融合或数学加权,合成得到用户期望的设定年龄下的人像图片,所述不同的变换模板包括贴图和模型预测。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种人像变换的处理方法、装置及存储介质。
背景技术
20世纪人类的杰出成果之一计算机技术把人类社会带入了信息化时代。计算机技术给各个领域都带来了革命性的变化。随着计算机应用的深入,电脑特技在游戏与影像制作中起着越来越重要的作用,通过特技处理,人们可以制作出许多无法简单地通过演员表演模仿的角色或场景,使画面更为逼真和自然。这些特技在许多游戏和电影用得到了应用,这些特技将人类社会推进到数字娱乐时代。而使数字娱乐蓬勃发展的动力和源泉就是以计算机为载体的数字图像处理/计算机图形学以及多媒体技术。
人脸的变老是影像或者游戏制作中经常要面临的问题,通常情形下,人们通过化妆来达到这样的效果,耗费时间长,效果不稳定,常常使人觉得不够真实。通过数字图像处理方法获得变老的人脸图像是一种低成本,快速的方法,老人的脸部普遍带有较多的皱纹和斑点,针对这种特点,对人脸变老进行建模,通过样例中的老年人脸照片,较方便的实现目标人脸的变老处理。传统的数字图像处理进行人脸变老的方法普遍需要有一个人由年轻到年老的过程照片,通过前后照片的相减或比较获得变老操作值,而这类照片在实际中很难获得。
现有技术中,还有的人像变老方式为:图片上传——人脸检测——特征点定位——局部区域分割——准备样本训练——得出某种年龄下共有特征的平均脸模型——然后和需预测人的照片进行融合或某种加权——合成该预测人的某年龄段老年照片或幼年照片。
现有技术中会遇到如下问题亟待解决,例如图像变换的时间过长,生成的图片要么是简单的图像贴图拼接和换,要么是通过预测模型生成的预测图,需要快速生成变换图像的用户不需要特别准确的用户预测图像,而需要较为高进度的预测照片的用户往往通过可以等待长时间的图像变换时间,而神经网络模型得到的变老图像又不够精准。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明公开了一种人像变老的图像处理方法,为用户输入的图像进行图像变换,所述用户图像匹配不同的变换方式,并为用户图像选择相应的变换模板,根据所述变换模板输出人像变老后的图像数据。
更进一步的,不同的变换模板具有不同的变换效果,其中,通用的变换模板为:用户在图片上传后,***对图片中的人脸进行检测,获取所述图片中的特征点定位后,对局部区域进行分割,准备样本训练得到成熟的人像预测模型,得出设定年龄下共有特征的平均脸模型,再和需预测用户的照片进行融合或数学加权,合成得到用户期望的设定年龄下的人像图片。
更进一步的,所述不同的变换模板包括贴图和模型预测。
本发明还公开了一种人像变换的处理方法,所述方法包括如下步骤:
步骤1,搭建人像变换处理***,所述人像变换处理***接收用户输入的用户人脸图像、变换参数和用户期望的图像变换准确度数值,识别用户人脸图像并获取所述人脸部位所在区域的特征坐标,其中,接收的期望的准确度数值越高,用户需要授予的权限越大;
步骤2,当检测到用户输入的准确度数值小于第一预设值时,对接收到的所述用户人脸图像进行图像处理,识别人像面部区域并对所属人像面部区域进行分割,根据人像变换素材库中的贴图图像,对分割的区域进行皱纹纹理图贴图处理,其中,所述分割区域对应不同的皱纹纹理图贴图处理方式;
步骤3,当检测到用户输入的准确度数值大于第一预设值且小于第二预设值时,构建神经网络人脸预测模型,所述模型采集不同年龄段的人脸样本图像,并将所述人脸样本图像输入值构建的模型中进行训练,将用户人脸图像输入至经过训练后的人脸预测模型,得到变换图像,获取用户的父母信息,根据父母的人像信息对得到的变化图像进行相似度计算,若相似度达到预设阈值则对用户输出所述变换图像,若相似度不能达到所述预设阈值则根据父母的人像信息对神经网络的局部参数进行更新并重新计算变换图像;
步骤4,当检测到用户输入的准确度数值大于第二预设值时,获取用户的家族人像信息,对全部人脸面部区域进行分割,分别计算不同人像区域的用户的家族人像与用户人像的相似度,公式如下:其中,σ为用户区域特征的遗传离散值,X为用户区域特征值,μ为人像对应区域的平均值,N为家族人像信息总体数量,δ为离散纠正值,根据该公式对不同人像区域的遗传相似度进行排序,离散值越小表示该区域的图像变化越小,将用户人脸图像输入区域人脸预测模型,由得到的遗传相似度排序情况对不同人脸图像区域设置不同的损失函数,并在训练模型时采用Adam算法对模型参数进行更新,在训练结束后得到可用的区域人脸预测模型,然后采用所述步骤3的方法输出多个变换图像,再通过图像拟合算法得到最终变换图像。
更进一步的,所述人像面部区域包括眼睛区域、鼻子区域、嘴唇区域、下颚区域及脸颊轮廓区域。
更进一步的,所述人脸样本图像包括相同人像的不同年龄阶段的人脸样本图像。
更进一步的,所述第一预设值小于所述第二预设值,其中,所述第一预设值设置为30,第二预设值设置为60。
更进一步的,进一步包括:步骤5,当用户输入的准确度数值大于第一预设值时,***输出多个不同变换参数的变换图像,通过设置插值补帧的方式,将所述多个不同变换参数的变换图像转换为动态图进行输出。
本发明还公开了一种装置,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述方法。
本发明还一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明与现有技术相比,有益效果为:用户需要付出的权限与预测精准度进行对应,用户在进行人像识别时会被告知需要付出的权限,例如查询用户信息等,同时,用户可以选择的选择快速人像变换或者精准人像变换的算法,多种不同模式的人像图像变换可以满足用户的全部需求。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明一实施例中的一种人像变换的处理方法的流程图。
具体实施方式
实施例一
本实施例公开了一种人像变老的图像处理方法,为用户输入的图像进行图像变换,所述用户图像匹配不同的变换方式,并为用户图像选择相应的变换模板,根据所述变换模板输出人像变老后的图像数据。
更进一步的,不同的变换模板具有不同的变换效果,其中,通用的变换模板为:用户在图片上传后,***对图片中的人脸进行检测,获取所述图片中的特征点定位后,对局部区域进行分割,准备样本训练得到成熟的人像预测模型,得出设定年龄下共有特征的平均脸模型,再和需预测用户的照片进行融合或数学加权,合成得到用户期望的设定年龄下的人像图片。
更进一步的,所述不同的变换模板包括贴图和模型预测。
实施例二
如图1所示,本实施例还公开了一种人像变换的处理方法,所述方法包括如下步骤:
步骤1,搭建人像变换处理***,所述人像变换处理***接收用户输入的用户人脸图像、变换参数和用户期望的图像变换准确度数值,识别用户人脸图像并获取所述人脸部位所在区域的特征坐标,其中,接收的期望的准确度数值越高,用户需要授予的权限越大;
步骤2,当检测到用户输入的准确度数值小于第一预设值时,对接收到的所述用户人脸图像进行图像处理,识别人像面部区域并对所属人像面部区域进行分割,根据人像变换素材库中的贴图图像,对分割的区域进行皱纹纹理图贴图处理,其中,所述分割区域对应不同的皱纹纹理图贴图处理方式;
步骤3,当检测到用户输入的准确度数值大于第一预设值且小于第二预设值时,构建神经网络人脸预测模型,所述模型采集不同年龄段的人脸样本图像,并将所述人脸样本图像输入值构建的模型中进行训练,将用户人脸图像输入至经过训练后的人脸预测模型,得到变换图像,获取用户的父母信息,根据父母的人像信息对得到的变化图像进行相似度计算,若相似度达到预设阈值则对用户输出所述变换图像,若相似度不能达到所述预设阈值则根据父母的人像信息对神经网络的局部参数进行更新并重新计算变换图像;
步骤4,当检测到用户输入的准确度数值大于第二预设值时,获取用户的家族人像信息,对全部人脸面部区域进行分割,分别计算不同人像区域的用户的家族人像与用户人像的相似度,公式如下:其中,σ为用户区域特征的遗传离散值,X为用户区域特征值,μ为人像对应区域的平均值,N为家族人像信息总体数量,δ为离散纠正值,根据该公式对不同人像区域的遗传相似度进行排序,离散值越小表示该区域的图像变化越小,将用户人脸图像输入区域人脸预测模型,由得到的遗传相似度排序情况对不同人脸图像区域设置不同的损失函数,并在训练模型时采用Adam算法对模型参数进行更新,在训练结束后得到可用的区域人脸预测模型,然后采用所述步骤3的方法输出多个变换图像,再通过图像拟合算法得到最终变换图像。
在本实施例中,步骤4是计算用户的脸部各个部位的遗传稳定性,例如,用户与家族的长辈的眼部的变化离散较小,说明用户的眼部可以采用用户长辈的老年照片眼部作为生成人脸预测的高权重信息,并基于此在训练模型时采用Adam算法对模型参数进行更新。
更进一步的,所述人像面部区域包括眼睛区域、鼻子区域、嘴唇区域、下颚区域及脸颊轮廓区域。
更进一步的,所述人脸样本图像包括相同人像的不同年龄阶段的人脸样本图像。
更进一步的,所述第一预设值小于所述第二预设值,其中,所述第一预设值设置为30,第二预设值设置为60。
更进一步的,进一步包括:步骤5,当用户输入的准确度数值大于第一预设值时,***输出多个不同变换参数的变换图像,通过设置插值补帧的方式,将所述多个不同变换参数的变换图像转换为动态图进行输出。
本发明还公开了一种装置,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述方法。
本发明还一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种人像变老的图像处理方法,其特征在于,为用户输入的图像进行图像变换,所述用户图像匹配不同的变换方式,并为用户图像选择相应的变换模板,根据所述变换模板输出人像变老后的图像数据。
2.如权利要求1所述的一种人像变老的图像处理方法,其特征在于,不同的变换模板具有不同的变换效果,其中,通用的变换模板为:用户在图片上传后,***对图片中的人脸进行检测,获取所述图片中的特征点定位后,对局部区域进行分割,准备样本训练得到成熟的人像预测模型,得出设定年龄下共有特征的平均脸模型,再和需预测用户的照片进行融合或数学加权,合成得到用户期望的设定年龄下的人像图片。
3.如权利要求1所述的一种人像变老的图像处理方法,其特征在于,所述不同的变换模板包括贴图和模型预测。
4.一种人像变换的处理方法,其特征在于,所述方法包括如下步骤:
步骤1,搭建人像变换处理***,所述人像变换处理***接收用户输入的用户人脸图像、变换参数和用户期望的图像变换准确度数值,识别用户人脸图像并获取所述人脸部位所在区域的特征坐标,其中,接收的期望的准确度数值越高,用户需要授予的权限越大;
步骤2,当检测到用户输入的准确度数值小于第一预设值时,对接收到的所述用户人脸图像进行图像处理,识别人像面部区域并对所属人像面部区域进行分割,根据人像变换素材库中的贴图图像,对分割的区域进行皱纹纹理图贴图处理,其中,所述分割区域对应不同的皱纹纹理图贴图处理方式;
步骤3,当检测到用户输入的准确度数值大于第一预设值且小于第二预设值时,构建神经网络人脸预测模型,所述模型采集不同年龄段的人脸样本图像,并将所述人脸样本图像输入值构建的模型中进行训练,将用户人脸图像输入至经过训练后的人脸预测模型,得到变换图像,获取用户的父母信息,根据父母的人像信息对得到的变化图像进行相似度计算,若相似度达到预设阈值则对用户输出所述变换图像,若相似度不能达到所述预设阈值则根据父母的人像信息对神经网络的局部参数进行更新并重新计算变换图像;
步骤4,当检测到用户输入的准确度数值大于第二预设值时,获取用户的家族人像信息,对全部人脸面部区域进行分割,分别计算不同人像区域的用户的家族人像与用户人像的相似度,公式如下:其中,σ为用户区域特征的遗传离散值,X为用户区域特征值,μ为人像对应区域的平均值,N为家族人像信息总体数量,δ为离散纠正值,根据该公式对不同人像区域的遗传相似度进行排序,离散值越小表示该区域的图像变化越小,将用户人脸图像输入区域人脸预测模型,由得到的遗传相似度排序情况对不同人脸图像区域设置不同的损失函数,并在训练模型时采用Adam算法对模型参数进行更新,在训练结束后得到可用的区域人脸预测模型,然后采用所述步骤3的方法输出多个变换图像,再通过图像拟合算法得到最终变换图像。
5.如权利要求4所述的一种人像变换的处理方法,其特征在于,所述人像面部区域包括眼睛区域、鼻子区域、嘴唇区域、下颚区域及脸颊轮廓区域。
6.如权利要求4所述的一种人像变换的处理方法,其特征在于,所述人脸样本图像包括相同人像的不同年龄阶段的人脸样本图像。
7.如权利要求4所述的一种人像变换的处理方法,其特征在于,所述第一预设值小于所述第二预设值,其中,所述第一预设值设置为30,第二预设值设置为60。
8.如权利要求4所述的一种人像变换的处理方法,其特征在于,进一步包括:步骤5,当用户输入的准确度数值大于第一预设值时,***输出多个不同变换参数的变换图像,通过设置插值补帧的方式,将所述多个不同变换参数的变换图像转换为动态图进行输出。
9.一种装置,其特征在于,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-3任一项所述的一种人像变老的图像处理方法或者权利要求4-8任一项所述的一种人像变换的处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-3任一项所述的一种人像变老的图像处理方法或者权利要求4-8任一项所述的一种人像变换的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466704.XA CN112581356B (zh) | 2020-12-14 | 2020-12-14 | 一种人像变换的处理方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466704.XA CN112581356B (zh) | 2020-12-14 | 2020-12-14 | 一种人像变换的处理方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581356A true CN112581356A (zh) | 2021-03-30 |
CN112581356B CN112581356B (zh) | 2024-05-07 |
Family
ID=75134792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011466704.XA Active CN112581356B (zh) | 2020-12-14 | 2020-12-14 | 一种人像变换的处理方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581356B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425138A (zh) * | 2008-11-18 | 2009-05-06 | 北京航空航天大学 | 一种基于人脸超分辨率处理的人脸老化模拟方法 |
CN105787974A (zh) * | 2014-12-24 | 2016-07-20 | 中国科学院苏州纳米技术与纳米仿生研究所 | 仿生人脸衰老模型建立方法 |
CN107967463A (zh) * | 2017-12-12 | 2018-04-27 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
CN108171167A (zh) * | 2017-12-28 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于输出图像的方法和装置 |
CN108334886A (zh) * | 2018-03-08 | 2018-07-27 | 殷韩 | 图像预测方法、终端设备及可读存储介质 |
CN108932536A (zh) * | 2018-07-18 | 2018-12-04 | 电子科技大学 | 基于深度神经网络的人脸姿态重建方法 |
CN109509142A (zh) * | 2018-10-29 | 2019-03-22 | 重庆中科云丛科技有限公司 | 一种人脸变老图像处理方法、***、可读存储介质及设备 |
CN111275610A (zh) * | 2020-01-08 | 2020-06-12 | 杭州趣维科技有限公司 | 一种人脸变老图像处理方法及*** |
CN111553857A (zh) * | 2020-04-27 | 2020-08-18 | 齐力软件科技(广州)有限公司 | 一种人脸图像处理方法 |
-
2020
- 2020-12-14 CN CN202011466704.XA patent/CN112581356B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425138A (zh) * | 2008-11-18 | 2009-05-06 | 北京航空航天大学 | 一种基于人脸超分辨率处理的人脸老化模拟方法 |
CN105787974A (zh) * | 2014-12-24 | 2016-07-20 | 中国科学院苏州纳米技术与纳米仿生研究所 | 仿生人脸衰老模型建立方法 |
CN107967463A (zh) * | 2017-12-12 | 2018-04-27 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
CN108171167A (zh) * | 2017-12-28 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于输出图像的方法和装置 |
CN108334886A (zh) * | 2018-03-08 | 2018-07-27 | 殷韩 | 图像预测方法、终端设备及可读存储介质 |
CN108932536A (zh) * | 2018-07-18 | 2018-12-04 | 电子科技大学 | 基于深度神经网络的人脸姿态重建方法 |
CN109509142A (zh) * | 2018-10-29 | 2019-03-22 | 重庆中科云丛科技有限公司 | 一种人脸变老图像处理方法、***、可读存储介质及设备 |
CN111275610A (zh) * | 2020-01-08 | 2020-06-12 | 杭州趣维科技有限公司 | 一种人脸变老图像处理方法及*** |
CN111553857A (zh) * | 2020-04-27 | 2020-08-18 | 齐力软件科技(广州)有限公司 | 一种人脸图像处理方法 |
Non-Patent Citations (2)
Title |
---|
D.MICHAEL BURT ET AL.: "Perception of Age in Adult Caucasian Male Faces:Computer Graphic Manipulation of Shape and Color Information", 《PROCEEDINGS OF THE ROYAL SOCIETY OF LONDON. SERIES B》, pages 137 - 143 * |
郭增洁: "基于特征提取和度量学习的亲属关系认证算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2019, pages 138 - 1250 * |
Also Published As
Publication number | Publication date |
---|---|
CN112581356B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243626B (zh) | 一种说话视频生成方法及*** | |
WO2021027759A1 (en) | Facial image processing | |
JP5895703B2 (ja) | 画像処理装置及び画像処理方法、並びにコンピューター・プログラム | |
US11282257B2 (en) | Pose selection and animation of characters using video data and training techniques | |
KR20160041570A (ko) | 몽타주 생성 장치 및 방법, 그 방법을 수행하기 위한 기록 매체 | |
CN110930297A (zh) | 人脸图像的风格迁移方法、装置、电子设备及存储介质 | |
CN110910479B (zh) | 视频处理方法、装置、电子设备及可读存储介质 | |
CN113228163A (zh) | 基于文本和音频的实时面部再现 | |
CN115393486B (zh) | 虚拟形象的生成方法、装置、设备及存储介质 | |
CN111553838A (zh) | 模型参数的更新方法、装置、设备及存储介质 | |
CN114359517A (zh) | 虚拟形象生成方法、虚拟形象生成***和计算设备 | |
CN115908657A (zh) | 虚拟形象的生成方法、装置、设备及存储介质 | |
KR102288001B1 (ko) | 나이 변환된 얼굴을 갖는 직업영상 생성 장치 및 이를 포함한 포토 부스 | |
CN112150347B (zh) | 从有限的修改后图像集合中学习的图像修改样式 | |
CN113392769A (zh) | 人脸图像的合成方法、装置、电子设备及存储介质 | |
KR102247481B1 (ko) | 나이 변환된 얼굴을 갖는 직업영상 생성 장치 및 방법 | |
US11361467B2 (en) | Pose selection and animation of characters using video data and training techniques | |
US8879804B1 (en) | System and method for automatic detection and recognition of facial features | |
CN117152308A (zh) | 一种虚拟人动作表情优化方法与*** | |
CN112581356A (zh) | 一种人像变换的处理方法、装置及存储介质 | |
CN114627211A (zh) | 视频名片生成方法、装置、计算机设备和存储介质 | |
CN114037644A (zh) | 一种基于生成对抗网络的艺术字图像合成***及方法 | |
KR102358145B1 (ko) | 표준 이미지 생성을 이용한 아이 얼굴 변환 방법 | |
JP7315933B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US20240169701A1 (en) | Affordance-based reposing of an object in a scene |
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 |