CN113052783A - 一种基于人脸关键点的人脸图像融合方法 - Google Patents

一种基于人脸关键点的人脸图像融合方法 Download PDF

Info

Publication number
CN113052783A
CN113052783A CN201911382548.6A CN201911382548A CN113052783A CN 113052783 A CN113052783 A CN 113052783A CN 201911382548 A CN201911382548 A CN 201911382548A CN 113052783 A CN113052783 A CN 113052783A
Authority
CN
China
Prior art keywords
face
key points
points
steps
image
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.)
Pending
Application number
CN201911382548.6A
Other languages
English (en)
Inventor
张赟
肖敬
张王晟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Shenhui Intelligent Technology Co ltd
Original Assignee
Hangzhou Shenhui Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Shenhui Intelligent Technology Co ltd filed Critical Hangzhou Shenhui Intelligent Technology Co ltd
Priority to CN201911382548.6A priority Critical patent/CN113052783A/zh
Publication of CN113052783A publication Critical patent/CN113052783A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于人脸关键点的人脸图像融合方法，包括以下步骤：(a)获取人脸关键点；(b)通过获取的人脸的关键点给出的眼睛、鼻子和嘴唇坐标点，画出非空像素点的轮廓图,再将轮廓图与原图做或操作从而得到了蒙版图。所述蒙版图指的是有人脸框，并无其他任何背景；(c)当输入的参考人脸已获得蒙版图后，需要将目标人脸对齐到原参考人脸；(d)当用户输入的两张图片存在较大的颜色差别时，需要将目标人脸的颜色校准到和参考人脸的颜色接近，(e)当人物的色彩矫正加权平均后，即可对参考图片的面部进行融合。能够解决人脸关键点的确定、人脸朝向的对齐、消除参考人脸与目标人脸之间的色差、以及人脸贴合边缘羽化的问题。

Description

一种基于人脸关键点的人脸图像融合方法
技术领域
本发明涉及图像融合领域，特别涉及基于人脸关键点的人脸图像融合方法。
背景技术
随着各种技术的发展，图像方面的人脸处理技术越来越广泛。各大相机软件都有美颜、 贴图、换发型、融合等功能。融合使用的人脸图像融合技术，是把参考人脸的表观特征融合 到目标人脸中，从而在图像或者视频中生成新内容与风格。这项技术在文化创意产业中有广 泛应用，如影视制作、数字娱乐、社交媒体与个人图像编辑。通常的实现方法是使用Photoshop 软件，但该方法要求操作人员的图像处理技术有一定的基础，另外处理每一幅图像都需要大 量的时间，难以满足大数据时代的高效、批量处理的需求。
因此出现了一些解决的方案，其方案通过对参考人脸和目标人脸的人脸关键点的检测； 采用蒙版和人脸对齐方法将参考人脸和目标人脸提取出；再根据两者的颜色差度进行颜色矫 正；最后将人脸加权求和后泊松克隆贴合到原图，从而得到最终的人脸融合图片。
但是，传统图像处理技术的人脸融合方法，主要是采用蒙板与边界羽化的技术来实现， 但该方法只有在目标人脸与参考人脸的表观差别不大的情况下才能达到较好的效果。另外当 目标人脸与参考人脸具有较大的光照差异时，该方法会在融合区域内引入视觉瑕疵。另外深 度学习方案：模型对背景泛化的能力比较弱、且通常训练数据不充足、训练数据精度不高、 模型训练时间长、模型输出的图片分辨率低下，不能满足实际的使用要求。
发明内容
本发明要解决的技术问题是提供一种基于人脸关键点的人脸图像融合方法，能够解决人 脸关键点的确定、人脸朝向的对齐、消除参考人脸与目标人脸之间的色差、以及人脸贴合边 缘羽化的问题。
为了解决上述技术问题，本发明的技术方案为：
一种基于人脸关键点的人脸图像融合方法，其特征在于，包括以下步骤：
(a)获取人脸关键点；
(b)通过获取的人脸的关键点给出的眼睛、鼻子和嘴唇坐标点，画出非空像素点的轮廓 图,再将轮廓图与原图做或操作从而得到了蒙版图；
(c)当输入的参考人脸已获得蒙版图后，需要将目标人脸对齐到原参考人脸；
(d)当用户输入的两张图片存在较大的颜色差别时，需要将目标人脸的颜色校准到和参 考人脸的颜色接近；
(e)当人物的色彩矫正加权平均后，即可对参考图片的面部进行融合。
优选地，步骤(a)中还包括以下步骤：
(a1)首先实用卷积神经网络检测出输入图片的人脸；
(a2)再使用级联回归树算法从像素强度的稀疏子集中估计人脸关键点的位置。
优选地，步骤(a2)中还包括以下步骤:
(a21)、首先在卷积神经网络识别出的人脸框中随机选择两个点；
(a22)、计算训练集中每一张图片这两个点处的像素值，得到每张图片两点处的像素差， 从而得到树的***阈值；
(a23)、根据阈值，使得树分别左右***，最终将所有图片分成左右两部分；
(a24)重复若干次步骤(a21)-(a23)后，将***最好的结果保存；
(a25)将人脸框的每个点重复(a21)-(a24)步骤，即可得到的68个关键点。
优选地，步骤(c)还包括以下步骤：
(c1)将所有样本对齐到原点；
(c2)对训练集中的多个样本，任选一个样本作为参考样本，使其他样本进行旋转、缩 放和平移与之对齐，假设选定的样本是X1，得到集合(X1,X2,X3,……)
(c3)计算变化后形状的平均形状值X0；
(c4)将平均形状值X0旋转、缩放和平移与样本X1对齐；
(c5)将除X1之外的集合(X2,X3,……)旋转、缩放和平移，与调整后的平均形状值对 齐；
(c6)如果平均形状值X0收敛，形状对齐完成，算法停止，否则循环至步骤(c2)。
优选地，其中步骤(c4)还可以设置为以下步骤：或者对平均形状值X0进行标准版处理， 使得|X0|＝1。
优选地，步骤(e)还包括以下步骤：
(e1)首先对目标人脸求其梯度场得到v；
(e2)再对参考人脸的背景求梯度场得到s；
(e3)将v覆盖到s上得到待重建图像的梯度场；
(e4)求解融合图像的散度；
(e5)根据泊松重建方程Ax＝b，其中b为步骤d得到的散度，A为根据图像的泊松方程 得到的系数矩阵。
采用上述技术方案，以人脸特征点为准得到各自图像的人脸蒙版，再将参考人脸和目标 人脸的位置对齐，这样能够更好的实现两张人脸的融合；当目标人脸与参考人脸有较大光照 差异时，本方案通过对目标人脸进行颜色矫正可以解决人脸融合出现的视觉不一致问题；最 后本方案使用泊松融合技术将目标人脸更好的贴合到参考人脸的背景图中，从而实现了自然 的人脸融合效果。
附图说明
图1为本发明中基于人脸关键点的人脸图像融合方法流程图；
图2为本发明中人脸关键点识别效果图；
图3为本发明中人脸识别模型训练过程图；
图4为本发明中人脸识别模型预测过程图；
图5为本发明中根据人脸关键点得到的蒙版图；
图6为本发明中泊松融合流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实 施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发 明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了以下的实施例，关于一种基于人脸关键点的人脸图像融合方法，包括以下 步骤：
步骤(a)：获取人脸关键点
本实施例中，使用人脸关键点检测技术来获得人脸关键点。所述人脸关键点检测技术包 括以下步骤：
步骤(a1)、首先实用卷积神经网络(CNN)检测出输入图片的人脸。
如图1所示，本实施例提供了一种操作方案的方法流程图，首先输入两张图像，用相同 的深度学习人脸关键点检测算法对两张图像进行分析，分别得到各自的人脸关键点坐标，并 根据关键点生成蒙版。再对两个蒙版做人脸对齐、颜色矫正和加权求和，最后将得到的融合 蒙版泊松克隆贴回参考人脸。
步骤(a2)、再使用级联回归树(ERT)算法从像素强度(像素灰度值)的稀疏子集中估 计人脸关键点的位置。
如图2所示，其中本方案的算法给出的关键点有68个坐标点，分别代表眉毛、眼睛、鼻 子和嘴等部位。
在上述人脸关键点检测技术的具体操作流程中，还包括如图3所示的人脸识别模型训练 阶段，以及如图4所示的预测阶段。其中所述级联回归树检测人脸关键点位置的步骤如下：
步骤(a21)、首先在卷积神经网络识别出的人脸框中随机选择两个点；
步骤(a22)、计算训练集中每一张图片这两个点处的像素值，得到每张图片两点处的像 素差，从而得到树的***阈值；
步骤(a23)、根据阈值，使得树分别左右***，最终将所有图片分成左右两部分；
步骤(a24)、重复若干次步骤(a21)-(a23)后，将***最好的结果保存；
步骤(a25)、将人脸框的每个点重复(a21)-(a24)步骤，即可得到的68个关键点。
如图5所示，在步骤(a)之后，包括步骤(b)：通过获取的人脸的关键点给出的眼睛、鼻子和嘴唇坐标点，画出非空像素点的轮廓图,再将轮廓图与原图做或操作从而得到了蒙版 图。所述蒙版图指的是有人脸框，并无其他任何背景。
在步骤(b)之后，包括步骤(c)：当输入的参考人脸已获得蒙版图后，需要将目标人脸 对齐到原参考人脸。
本方案的对齐方法选择了普式分析法，普式分析的基本思想是最小化所有形状到平均形 状的距离和，即最小化公式:
Figure BDA0002342648560000041
在步骤(c)中具体的对齐步骤如下：
(c1)将所有样本对齐到原点(将每个样本x，y坐标各自减去其平均值)
(c2)对训练集中的多个样本，任选一个样本作为参考样本，使其他样本进行旋转、缩 放和平移与之对齐，假设选定的样本是X1，得到集合(X1,X2,X3,……)
(c3)计算变化后形状的平均形状值X0；
(c4)将平均形状值X0旋转、缩放和平移与样本X1对齐(或者对平均形状值X0进行标 准版处理，使得|X0|＝1)；
(c5)将除X1之外的集合(X2,X3,……)旋转、缩放和平移，与调整后的平均形状值对 齐；
(c6)如果平均形状值X0收敛，形状对齐完成，算法停止，否则循环至步骤(c2)。
在步骤(c)之后，还包括步骤(d)：当用户输入的两张图片存在较大的颜色差别时，需 要将目标人脸的颜色校准到和参考人脸的颜色接近。对于颜色矫正方法，本方案使用了RGB 缩放色彩校正。
具体地，RGB缩放色彩校正的具体方法是通过构建3*3对角矩阵，从而实现RGB缩放色 彩校正。其中R，G和B是图像中像素的颜色平衡的红色，绿色和蓝色分量；,和是色彩平衡之前图像的红色，绿色和蓝色分量，以及，和是像素的红色，绿色和蓝色分量。
根据上述内容，颜色矫正方式如下：
Figure BDA0002342648560000051
但是图像的每个像素都有自己的局部缩放因子，而不是在整个图像中使用恒定的缩放因 子。因此只选择以目标人脸的双瞳为中心，适当的区域做色彩矫正，以排除面部区域外的杂 散。
在步骤(d)之后，还包括步骤(e)：当人物的色彩矫正加权平均后，即可对参考图片的 面部进行融合。
如图6所示，具体融合的实施方式如下所示：
(e1)首先对目标人脸求其梯度场得到v；
(e2)再对参考人脸的背景求梯度场得到s；
(e3)将v覆盖到s上得到待重建图像的梯度场；
(e4)求解融合图像的散度；
(e5)根据泊松重建方程Ax＝b，其中b为步骤d得到的散度。A为根据图像的泊松方程 得到的系数矩阵。
本方案根据深度神经网络人脸关键点检测算法得到目标人脸和参考人脸的人脸特征点； 以人脸特征点为准得到各自图像的人脸蒙版，再将参考人脸和目标人脸的位置对齐，这样能 够更好的实现两张人脸的融合；当目标人脸与参考人脸有较大光照差异时，本方案通过对目 标人脸进行颜色矫正可以解决人脸融合出现的视觉不一致问题；最后本方案使用泊松融合技 术将目标人脸更好的贴合到参考人脸的背景图中，从而实现了自然的人脸融合效果。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。 对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多 种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (7)

1.一种基于人脸关键点的人脸图像融合方法，其特征在于，包括以下步骤：
(a)获取人脸关键点；
(b)通过获取的人脸的关键点给出的眼睛、鼻子和嘴唇坐标点，画出非空像素点的轮廓图，再将轮廓图与原图结合操作从而得到了蒙版图；
(c)当输入的参考人脸已获得蒙版图后，需要将目标人脸对齐到原参考人脸；
(d)当用户输入的两张图片存在较大的颜色差别时，需要将目标人脸的颜色校准到和参考人脸的颜色接近；
(e)当人物的色彩矫正加权平均后，即可对参考图片的面部进行融合。
2.根据权利要求1所述的人脸图像融合方法，其特征在于，步骤(a)中还包括以下步骤：
(a1)首先实用卷积神经网络检测出输入图片的人脸；
(a2)再使用级联回归树算法从像素强度的稀疏子集中估计人脸关键点的位置。
3.根据权利要求2所述的人脸图像融合方法，其特征在于，步骤(a2)中还包括以下步骤:
(a21)、首先在卷积神经网络识别出的人脸框中随机选择两个点；
(a22)、计算训练集中每一张图片这两个点处的像素值，得到每张图片两点处的像素差，从而得到树的***阈值；
(a23)、根据阈值，使得树分别左右***，将所有图片分成左右两部分；
(a24)重复若干次步骤(a21)-(a23)后，将***最好的结果保存；
(a25)将人脸框的每个点重复(a21)-(a24)步骤，即可得到的68个关键点。
4.根据权利要求1所述的人脸图像融合方法，其特征在于，步骤(c)还包括以下步骤：
(c1)将所有样本对齐到原点；
(c2)对训练集中的多个样本，任选一个样本作为参考样本，使其他样本进行旋转、缩放和平移与之对齐，假设选定的样本是X1，得到集合(X1,X2,X3,……)
(c3)计算变化后形状的平均形状值X0；
(c4)将平均形状值X0旋转、缩放和平移与样本X1对齐；
(c5)将除X1之外的集合(X2,X3,……)旋转、缩放和平移，与调整后的平均形状值对齐；
(c6)如果平均形状值X0收敛，形状对齐完成，算法停止，否则循环至步骤(c2)。
5.根据权利要求4所述的人脸图像融合方法，其特征在于，其中步骤(c4)还可以设置为以下步骤：或者对平均形状值X0进行标准版处理，使得|X0|＝1。
6.根据权利要求1所述的人脸图像融合方法，其特征在于，步骤(d)中的图像矫正方式是
Figure FDA0002342648550000021
7.根据权利要求1所述的人脸图像融合方法，其特征在于，步骤(e)还包括以下步骤：
(e1)首先对目标人脸求其梯度场得到v；
(e2)再对参考人脸的背景求梯度场得到s；
(e3)将v覆盖到s上得到待重建图像的梯度场；
(e4)求解融合图像的散度；
(e5)根据泊松重建方程Ax＝b，其中b为步骤d得到的散度，A为根据图像的泊松方程得到的系数矩阵。
CN201911382548.6A 2019-12-27 2019-12-27 一种基于人脸关键点的人脸图像融合方法 Pending CN113052783A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911382548.6A CN113052783A (zh) 2019-12-27 2019-12-27 一种基于人脸关键点的人脸图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911382548.6A CN113052783A (zh) 2019-12-27 2019-12-27 一种基于人脸关键点的人脸图像融合方法

Publications (1)

Publication Number Publication Date
CN113052783A true CN113052783A (zh) 2021-06-29

Family

ID=76507296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911382548.6A Pending CN113052783A (zh) 2019-12-27 2019-12-27 一种基于人脸关键点的人脸图像融合方法

Country Status (1)

Country Link
CN (1) CN113052783A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114821717A (zh) * 2022-04-20 2022-07-29 北京百度网讯科技有限公司 目标对象融合方法、装置、电子设备及存储介质
CN115278080A (zh) * 2022-07-28 2022-11-01 北京五八信息技术有限公司 一种蒙版生成方法、设备及存储介质
WO2024051593A1 (en) * 2022-09-07 2024-03-14 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image processing

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101652784A (zh) * 2007-03-02 2010-02-17 宝洁公司 模拟面部皮肤老化和去老化的方法及装置
CN107767335A (zh) * 2017-11-14 2018-03-06 上海易络客网络技术有限公司 一种基于人脸识别特征点定位的图像融合方法及***
US20180204052A1 (en) * 2015-08-28 2018-07-19 Baidu Online Network Technology (Beijing) Co., Ltd. A method and apparatus for human face image processing
CN109191410A (zh) * 2018-08-06 2019-01-11 腾讯科技（深圳）有限公司 一种人脸图像融合方法、装置及存储介质
CN110348496A (zh) * 2019-06-27 2019-10-18 广州久邦世纪科技有限公司 一种人脸图像融合的方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101652784A (zh) * 2007-03-02 2010-02-17 宝洁公司 模拟面部皮肤老化和去老化的方法及装置
US20180204052A1 (en) * 2015-08-28 2018-07-19 Baidu Online Network Technology (Beijing) Co., Ltd. A method and apparatus for human face image processing
CN107767335A (zh) * 2017-11-14 2018-03-06 上海易络客网络技术有限公司 一种基于人脸识别特征点定位的图像融合方法及***
CN109191410A (zh) * 2018-08-06 2019-01-11 腾讯科技（深圳）有限公司 一种人脸图像融合方法、装置及存储介质
CN110348496A (zh) * 2019-06-27 2019-10-18 广州久邦世纪科技有限公司 一种人脸图像融合的方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖文清: "测量阿尔兹海默病中海马亚区代谢物的探索性研究 —基于二维质子磁共振波谱成像和高分辨磁共振图像的分割", 《中国优秀博硕士学位论文全文数据库（硕士）医药卫生科技辑（月刊）》, 15 June 2016 (2016-06-15), pages 16 - 17 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114821717A (zh) * 2022-04-20 2022-07-29 北京百度网讯科技有限公司 目标对象融合方法、装置、电子设备及存储介质
CN114821717B (zh) * 2022-04-20 2024-03-12 北京百度网讯科技有限公司 目标对象融合方法、装置、电子设备及存储介质
CN115278080A (zh) * 2022-07-28 2022-11-01 北京五八信息技术有限公司 一种蒙版生成方法、设备及存储介质
WO2024051593A1 (en) * 2022-09-07 2024-03-14 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image processing

Similar Documents

Publication Publication Date Title
CN109376582B (zh) 一种基于生成对抗网络的交互式人脸卡通方法
US20220028126A1 (en) Methods and Systems for Human Imperceptible Computerized Color Transfer
CN109859098B (zh) 人脸图像融合方法、装置、计算机设备及可读存储介质
CN106022221B (zh) 一种图像处理方法及处理***
Shih et al. Style transfer for headshot portraits
US10922860B2 (en) Line drawing generation
WO2021052375A1 (zh) 目标图像生成方法、装置、服务器及存储介质
CN108805090B (zh) 一种基于平面网格模型的虚拟试妆方法
WO2022095721A1 (zh) 参数估算模型的训练方法、装置、设备和存储介质
CN103914699A (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
CN113052783A (zh) 一种基于人脸关键点的人脸图像融合方法
CN110956681B (zh) 一种结合卷积网络和邻域相似性的人像背景自动替换方法
CN113723385B (zh) 视频处理方法及装置、神经网络的训练方法及装置
CN110853119B (zh) 一种鲁棒的基于参考图片的妆容迁移方法
CN112633191A (zh) 一种三维人脸重建的方法、装置、设备和存储介质
CN116583878A (zh) 用于个性化3d头部模型变形的方法和***
CN113034355B (zh) 一种基于深度学习的肖像图像双下巴去除方法
US20240029345A1 (en) Methods and system for generating 3d virtual objects
WO2023005743A1 (zh) 图像处理方法及装置、计算机设备、存储介质和计算机程序产品
CN113362422A (zh) 一种阴影鲁棒的基于解耦表示的妆容迁移***及方法
CN113870404B (zh) 一种3d模型的皮肤渲染方法及显示设备
CN109064431B (zh) 一种图片亮度调节方法、设备及其存储介质
CN113516755B (zh) 图像处理方法、图像处理装置、电子设备和存储介质
CN114565508A (zh) 虚拟换装方法及装置
CN110321452A (zh) 一种基于方向选择机制的图像检索方法

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