CN113538455B - 三维发型匹配方法及电子设备 - Google Patents
三维发型匹配方法及电子设备 Download PDFInfo
- Publication number
- CN113538455B CN113538455B CN202110658998.4A CN202110658998A CN113538455B CN 113538455 B CN113538455 B CN 113538455B CN 202110658998 A CN202110658998 A CN 202110658998A CN 113538455 B CN113538455 B CN 113538455B
- Authority
- CN
- China
- Prior art keywords
- hairstyle
- dimensional
- target
- hair
- dimensional hairstyle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000009877 rendering Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 31
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000037308 hair color Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供三维发型匹配方法及电子设备。该方法包括:对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型。故此,通过对用户的头发检测以及分割,得到该用户的发型,以此得到该用户发型相匹配的三维发型,提高了用户的三维发型与用户发型的相似度以及三维发型显示效果。
Description
技术领域
本发明涉及三维数字技术领域,特别涉及一种三维发型匹配方法及电子设备。
背景技术
随着互联网的迅速发展,VR(Virtual Reality,虚拟现实技术)和/或AR(Augmented Reality,增强现实技术)应用越来越受欢迎。无论是虚拟社交,还是与三维数字相关的各个行业,例如:虚拟演唱会、虚拟主播、虚拟直播带货、虚拟导游都开始进入大众视野,由此,AR和/或VR应用的基础必须有逼真个性化虚拟角色。
现有技术中,在VR和/或AR等场景中,用户对应的三维虚拟人物的三维发型均是使用固定的三维发型模板来对用户对应的三维虚拟人物的三维发型进行设置的,由此,会导致用户对应的三维发型与用户的实际发型的相似度不高,导致用户对应的三维发型的显示效果较差。
发明内容
本公开示例性的实施方式中提供一种三维发型匹配方法及电子设备,用于提升用户对应的三维发型的显示效果,以及提高三维发型与用户发型的相似度。
本公开的第一方面提供一种三维发型匹配方法,所述方法包括:
对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;
利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型。
本实施例通过对包含用户的目标图像进行头发检测处理,得到中间图像,并对该中间图像进行分割,得到包含头发的前景图像,最后通过训练好的发型匹配网络对该前景图像进行识别,得到与该前景图像中所包含的头发相匹配的三维发型,由此,本实施例是通过对用户的头发检测以及分割,得到该用户的发型,以此得到该用户发型相匹配的三维发型,提高了用户的三维发型与用户发型的相似度以及三维发型显示效果。
本公开第二方面提供一种电子设备,包括处理器和显示单元;
其中,所述处理器,被配置为:
对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;
利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型;
所述显示单元,被配置为显示所述三维发型。
根据本公开实施例提供的第三方面,提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行如第一方面所述的方法。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本公开一个实施例中的电子设备结构示意图;
图2为根据本公开一个实施例的三维发型匹配方法的流程示意图之一;
图3为根据本公开一个实施例的三维发型匹配方法中的中间图像的确定流程示意图;
图4为根据本公开一个实施例的三维发型匹配方法的三维发型示意图;
图5为根据本公开一个实施例的三维发型匹配方法的流程示意图之二;
图6为根据本公开一个实施例的三维发型匹配装置。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。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。
本公开实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
现有技术中,现有技术中,在VR和/或AR等场景中,用户对应的三维虚拟人物的三维发型均是使用固定的三维发型模板来对用户对应的三维虚拟人物的三维发型进行设置的,由此,会导致用户对应的三维发型与用户的实际发型的相似度不高,导致用户对应的三维发型的显示效果较差。
因此,本公开提供一种三维发型匹配方法,通过对包含用户的目标图像进行头发检测处理,得到中间图像,并对该中间图像进行分割,得到包含头发的前景图像,最后通过训练好的发型匹配网络对该前景图像进行识别,得到与该前景图像中所包含的头发相匹配的三维发型,由此,本实施例是通过对用户的头发检测以及分割,得到该用户的发型,以此得到该用户发型相匹配的三维发型,提高了用户的三维发型与用户发型的相似度以及三维发型显示效果。
在对本公开的方案进行详细介绍之前,先对本公开的电子设备进行详细的介绍,需要说明的是,本公开的电子设备可为终端设备或服务器等设备,本实施例在此并不进行限定。下面首先对电子设备的结构进行说明。
图1为本公开实施例提供的一种电子设备的结构示意图。如图1所示,本公开实施例中的电子设备包括:射频(Radio Frequency,RF)电路110、电源120、处理器130、存储器140、输入单元150、显示单元160、摄像头170、通信接口180、以及无线保真(WirelessFidelity,WiFi)模块190等部件。
本领域技术人员可以理解,图1中示出的电子设备的结构并不构成对电子设备的限定,本公开实施例提供的电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对电子设备100的各个构成部件进行具体的介绍:
所述RF电路110可用于通信或通话过程中,数据的接收和发送。特别地,所述RF电路110在接收到基站的下行数据后,发送给所述处理器130处理;另外,将待发送的上行数据发送给基站。通常,所述RF电路110包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。
此外,RF电路110还可以通过无线通信与网络和其他终端通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(Global System of Mobilecommunication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
WiFi技术属于短距离无线传输技术,所述电子设备100通过WiFi模块190可以连接的接入点(Access Point,AP),从而实现数据网络的访问。所述WiFi模块190可用于通信过程中,数据的接收和发送。
所述电子设备100可以通过所述通信接口180与其他终端实现物理连接。可选的,所述通信接口180与所述其他终端的通信接口通过电缆连接,实现所述电子设备100和其他终端之间的数据传输。
所述电子设备100能够实现通信业务,所述电子设备100需要具有数据传输功能,即所述电子设备100内部需要包含通信模块。虽然图1示出了所述RF电路110、所述WiFi模块190、和所述通信接口180等通信模块,但是可以理解的是,所述电子设备100中存在上述部件中的至少一个或者其他用于实现通信的通信模块(如蓝牙模块),以进行数据传输。
例如,当所述电子设备100为手机时,所述电子设备100可以包含所述RF电路110,还可以包含所述WiFi模块190;当所述电子设备100为计算机时,所述电子设备100可以包含所述通信接口180,还可以包含所述WiFi模块190;当所述电子设备100为平板电脑时,所述电子设备100可以包含所述WiFi模块。
所述存储器140可用于存储软件程序以及模块。所述处理器130通过运行存储在所述存储器140的软件程序以及模块,从而执行所述电子设备100的各种功能应用以及数据处理,并且当处理器130执行存储器140中的程序代码后,可以实现本公开实施例图1中的部分或全部过程。
可选的,所述存储器140可以主要包括存储程序区和存储数据区。其中,存储程序区可存储操作***、各种应用程序(比如通信应用)以及进行WLAN连接的各个模块等;存储数据区可存储根据所述终端的使用所创建的数据等。
此外,所述存储器140可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述输入单元150可用于接收用户输入的数字或字符信息、以及产生与所述电子设备100的用户设置以及功能控制有关的键信号输入。
可选的,输入单元150可包括触控面板151以及其他输入设备152。
其中,所述触控面板151,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在所述触控面板151上或在所述触控面板151附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,所述触控面板151可以包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给所述处理器130,并能接收所述处理器130发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现所述触控面板151。
可选的,所述其他输入设备152可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元160可用于显示由用户输入的信息或提供给用户的信息以及所述电子设备100的各种菜单。所述显示单元160即为所述电子设备100的显示***,用于呈现界面,实现人机交互。
所述显示单元160可以包括显示面板161。可选的,所述显示面板161可以采用液晶显示单元(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置。
进一步的,所述触控面板151可覆盖所述显示面板161,当所述触控面板151检测到在其上或附近的触摸操作后,传送给所述处理器130以确定触摸事件的类型,随后所述处理器130根据触摸事件的类型在所述显示面板161上提供相应的视觉输出。
虽然在图1中,所述触控面板151与所述显示面板161是作为两个独立的部件来实现所述电子设备100的输入和输入功能,但是在某些实施例中,可以将所述触控面板151与所述显示面板161集成而实现所述电子设备100的输入和输出功能。
所述处理器130是所述电子设备100的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在所述存储器140内的软件程序和/或模块,以及调用存储在所述存储器140内的数据,执行所述电子设备100的各种功能和处理数据,从而实现基于所述电子设备的多种业务。
可选的,所述处理器130可包括一个或多个处理单元。可选的,所述处理器130可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到所述处理器130中。
所述摄像头170,用于实现所述电子设备100的拍摄功能,拍摄图片或视频。
所述电子设备100还包括用于给各个部件供电的电源120(比如电池)。可选的,所述电源120可以通过电源管理***与所述处理器130逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗等功能。
尽管未示出,所述电子设备100还可以包括至少一种传感器,在此不再赘述。
下面,结合附图对本公开中的方案进行详细的介绍,如图2所示,为本公开的三维发型匹配方法的流程示意图,可包括以下步骤:
步骤201:对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;
在一个实施例中,可通过以下方式得到所述中间图像:
将所述目标图像均分成指定数量的图像块;按照预设的顺序分别对各图像块进行头发检测处理,得到所述中间图像。
其中,针对任一图像块进行头发检测处理的方法为:
对所述图像块进行特征提取,得到所述图像块的方向梯度直方图特征(HOG)和局部三值模式(LTP)特征;并将所述方向梯度直方图特征和局部三值模式特征输入至预先训练好的随机森林模型中,以得到所述图像块的分类结果;若所述图像块的分类结果为不包含头发的类型,则将所述图像块的像素值设置为指定像素值。
例如,如图3所示,图3中的图a为包含用户的目标图像,图b为将该目标图像划分为指定数量的图像块,本实施例中将中间图像划分为25个图像块,然后针对任一图像块进行头发检测处理,其中,可确定图像块1、图像块5、图像块6、图像块10、图像块11、图像块15~图像块25的分类结果为不包含头发的类型,则可将图像块1、图像块5、图像块6、图像块10、图像块11、图像块15~图像块25对应的各像素点的像素值设置为0,则图c为头发检测处理后得到的中间图像。
其中,需要说明的是,指定数量以及指定像素值可根据具体的实际情况进行设置,本实施例中的指定数量以及指定像素值仅用于解释说明,并不对指定数量以及指定像素值进行限定。
步骤202:利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
其中,预设的头发分割算法可为基于图的图像分割算法Felzenszwalb来对中间图像进行头发分割。
例如,对图3中得到的中间图像进行头发分割,得到结果可为图4中的包含所述头发的前景图像。
步骤203:将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型。
在一个实施例中,步骤203可实施为:利用发型匹配网络对所述前景图像进行特征提取,得到第一发型特征信息;将所述第一发型特征信息与各三维发型对应的二维发型图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;将与所述第一发型特征信息相似度最高的第二发型特征信息对应的三维发型确定为与所述前景图像包含的头发匹配的三维发型。
其中,各三维发型是提前建立好的,主要是通过收集主流发型,按照发型的长短、卷发直发等类型进行分类,然后创建各三维发型。然后将各三维发型转换为对应的二维发型图像,可包括正面二维发型图像、左侧面二维发型图像以及右面二维发型图像等。然后通过二维发型图像提起到三维发型的第二发型特征信息。
其中,第一发型特征信息与第二发型特征信息可包括头发长短特征信息、卷发直发特征信息以及形状特征信息等,可根据具体的情况进行设置,本实施例在此并不进行限定。
例如,预设的三维发型包括三维发型1、三维发型2和三维发型3。对各三维发型对应的二维图像进行特征提取,分别得到与三维发型1对应的第二发型特征信息1、第二发型特征信息2以及第二发型特征信息3。对目标图像进行特征提取,得到第一发型特征信息。若确定出第一发型特征信息与第二发型特征信息1的相似度为30%,第一发型特征信息与第二发型特征信息2的相似度为70%,第一发型特征信息与第二发型特征信息3的相似度为90%,则确定与第二发型特征信息3相对应的三维发型3与所述目标图像的发型最匹配,则确定三维发型3为与所述目标图像中的发型所匹配的三维发型。
在一个实施例中,可通过以下方式训练所述发型匹配网络:
获取各三维发型训练样本,其中任意一个三维发型训练样本中包括同一发型的前景图像以及与所述前景图像相对应的标注三维发型,且不同三维发型训练样本中前景图像的发型不相同;
针对任意一个三维发型训练样本执行以下步骤:
将所述三维发型训练样本输入至发型匹配网络中,对所述三维训练样本中的前景图像进行特征提取,得到第一发型特征信息;并,将所述第一发型特征信息与各三维发型对应的二维图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;确定与所述第一发型特征信息相似度最高的第二发型特征信息所对应的三维发型;将确定的所述三维发型与所述标注三维发型进行比对,得到误差值;若所述误差值未满足指定条件,则对所述发型匹配网络的训练参数进行调节后,返回执行将所述三维发型训练样本输入至发型匹配网络中,对所述三维训练样本中的前景图像进行特征提取的步骤,直至所述误差值满足所述指定条件,结束对所述发型匹配网络的训练。
其中,所述指定条件可为不小于指定数值。指定数值可根据实际情况来进行设置,本实施例在此并不进行限定。
为了使得确定出三维发型更加与目标图像中的发型更加相似,在一个实施例中,在执行完步骤203之后,提取所述前景图像中的头发颜色,利用所述头发颜色对所述三维发型的颜色进行填充,得到目标三维发型。
例如,提取到的头发颜色为棕色,则可对匹配到的三维发型的颜色填充为棕色,以此使得到的目标三维发型更加与目标图像中的用户发型的相似度更高。
为了使得目标三维发型的材质与真头发的材质更加相似,在一个实施例中,得到目标三维发型之后,利用预设的目标三维发型与三维发型渲染调节方式的对应关系,确定与所述目标三维发型相对应的三维发型渲染调节方式;其中所述三维发型渲染调节方式包括基础色调节、散射调节、高光调节、切线调节、背光度调节、环境光遮蔽调节以及深度偏移调节中的至少一个;并利用确定的所述三维发型渲染调节方式对所述目标三维发型进行渲染,得到渲染后的目标三维发型。
其中,不同的目标三维发型对应的三维发型渲染调节方式并不相同,其中头发的长短,颜色以及卷发直发等对应的三维发型渲染调节方式并不相同。
下面对三维发型渲染调节方式进行介绍:
(1)基础色调节:
利用线性渐变函数(LinearGradient)对目标三维发型中的基础色贴图的颜色进行调节,得到第一目标三维发型,利用预设算法对所述第一目标三维发型中的基础色贴图的亮度进行调节,得到第二目标三维发型。
然后提取所述第二目标三维发型的三维建模纹理,并对所述三维建模纹理进行去采样处理,得到遮罩图;并利用所述遮罩图对所述第二目标三维发型中的环境遮挡色贴图进行处理,得到基础色调节后的目标三维发型。
本实施例中对目标三维发型的基础色调节模拟了真实头发的中心偏亮、边缘逐渐变暗的效果。使得目标三维发型更加真实,并且进行了颜色混合,加入边沿色和环境遮挡色,使得目标三维发型的颜色最终呈现出逼真的效果。
(2)散射调节:
利用线性渐变函数对目标三维发型中的散射色贴图进行处理,得到第三目标三维发型,并利用预设算法对所述第三目标三维发型中的基础色贴图的亮度进行调节,得到第四目标三维发型,然后将所述第四目标三维发型中的基础色贴图中的各像素点的像素值乘以第一指定缩放因子,得到散射调节后的目标三维发型。
本实施例中的散射调节后的目标三维发型模拟了真实头发亮暗变化及光线在头发中的不同穿透程度,实现了更加个性化效果。
(3)高光调节:
利用线性渐变函数对所述目标三维发型中的高光贴图进行处理,得到第五目标三维发型,并利用预设算法对所述第五目标三维发型中的高光贴图的亮度进行调节,得到第六目标三维发型,然后将所述第六目标三维发型中的高光贴图中的各像素点的像素值乘以第二指定缩放因子,得到高光调节后的目标三维发型。
本实施例中的高光调节后的目标三维发型模拟了真实头发的高光效果。
(4)切线调节:
将目标三维发型中的基础色贴图及所述目标三维发型中的采样噪点图进行相乘后,与预设切线向量相加,得到切线调节后的目标三维发型。
本实施例中的切线调节后的目标三维发型模拟了真实头发的微平面,增强头发丝感。
(5)背光度调节:
先提取目标三维发型中的头发遮罩贴图的纵坐标数据,并将所述纵坐标数据进行反向处理,然后对反向处理后的纵坐标数据添加阴影缩放混合处理,得到背光度调节后的目标三维发型。
本实施例中的背光度调节后的目标三维发型模拟了光线穿过头发的投射效果。
(6)环境光遮蔽调节:
提取所述目标三维发型中的环境遮挡色贴图的纵坐标数据,并对所述纵坐标数据进行幂变换处理,得到环境光遮蔽调节后的目标三维发型。
本实施例中的环境光遮蔽调节后的目标三维发型增强了三维发型中头发的细节。
(7)像素深度偏移调节:
获取所述目标三维发型中各像素点的渲染像素深度,并将所述渲染像素深度与第三指定缩放因子相乘,得到像素深度偏度调节后的目标三维发型。
本实施例中通过在头发渲染像素的深度基础上乘以一个第三指定缩放因子增大像素深度变化幅度,增强目标三维发型中头发深度距离变化差异幅度,从而增强每簇头发不同深度感让目标三维发型中的头发看起来更有层次。
其中,需要说明的是,各三维发型渲染调节方式中的各调节方法的先后调节顺序本实施例并不进行限定,可根据具体的实际情况进行设置。
本实施例中第一指定缩放因子、第二指定缩放因子以及第三指定缩放因子可以相同也可以不同,本实施例在此并不进行限定。
为了进一步的了解本公开的技术方案,下面结合图5进行详细的说明,可包括以下步骤:
步骤501:将所述包含用户的目标图像均分成指定数量的图像块;
步骤502:按照预设的顺序分别对各图像块进行头发检测处理,得到中间图像;
步骤503:利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
步骤504:利用发型匹配网络对所述前景图像进行特征提取,得到第一发型特征信息;
步骤505:将所述第一发型特征信息与各三维发型对应的二维发型图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
步骤506:将与所述第一发型特征信息相似度最高的第二发型特征信息对应的三维发型确定为与所述前景图像包含的头发匹配的三维发型;
步骤507:提取所述前景图像中的头发颜色,利用所述头发颜色对所述三维发型的颜色进行填充,得到目标三维发型;
步骤508:利用预设的目标三维发型与三维发型渲染调节方式的对应关系,确定与所述目标三维发型相对应的三维发型渲染调节方式;其中所述三维发型渲染调节方式包括基础色调节、散射调节、高光调节、切线调节、背光度调节、环境光遮蔽调节以及深度偏移调节中的至少一个;
步骤509:利用确定的所述三维发型渲染调节方式对所述目标三维发型进行渲染,得到渲染后的目标三维发型。
基于相同的公开构思,本公开如上所述的三维发型匹配方法还可以由一种三维发型匹配装置实现。该三维发型匹配装置的效果与前述方法的效果相似,在此不再赘述。
图6为根据本公开一个实施例的三维发型匹配装置的结构示意图。
如图6所示,本公开的三维发型匹配装置600可以包括中间图像确定模块610、头发分割模块620和匹配模块630。
中间图像确定模块610,用于对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;
头发分割模块620,用于利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
匹配模块630,用于将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型;
在一个实施例中,所述装置还包括:
颜色填充模块640,用于所述得到与所述前景图像包含的头发匹配的三维发型之后,提取所述前景图像中的头发颜色,利用所述头发颜色对所述三维发型的颜色进行填充,得到目标三维发型。
在一个实施例中,所述装置还包括:
三维发型渲染调节方式确定模块650,用于所述得到目标三维发型之后,利用预设的目标三维发型与三维发型渲染调节方式的对应关系,确定与所述目标三维发型相对应的三维发型渲染调节方式;其中所述三维发型渲染调节方式包括基础色调节、散射调节、高光调节、切线调节、背光度调节、环境光遮蔽调节以及深度偏移调节中的至少一个;
目标三维发型确定模块660,用于利用确定的所述三维发型渲染调节方式对所述目标三维发型进行渲染,得到渲染后的目标三维发型。
在一个实施例中,所述中间图像确定模块610,具体用于:
将所述目标图像均分成指定数量的图像块;
按照预设的顺序分别对各图像块进行头发检测处理,得到所述中间图像;
其中,针对任一图像块进行头发检测处理的方法为:
对所述图像块进行特征提取,得到所述图像块的方向梯度直方图特征和局部三值模式特征;并,
将所述方向梯度直方图特征和局部三值模式特征输入至预先训练好的随机森林模型中,以得到所述图像块的分类结果;
若所述图像块的分类结果为不包含头发的类型,则将所述图像块的像素值设置为指定像素值。
在一个实施例中,所述匹配模块630,具体用于:
利用发型匹配网络对所述前景图像进行特征提取,得到第一发型特征信息;
将所述第一发型特征信息与各三维发型对应的二维发型图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
将与所述第一发型特征信息相似度最高的第二发型特征信息对应的三维发型确定为与所述前景图像包含的头发匹配的三维发型。
在一个实施例中,所述装置还包括:
发型匹配网络训练模块670,用于通过以下方式训练所述发型匹配网络:
获取各三维发型训练样本,其中任意一个三维发型训练样本中包括同一发型的前景图像以及与所述前景图像相对应的标注三维发型,且不同三维发型训练样本中前景图像的发型不相同;
针对任意一个三维发型训练样本执行以下步骤:
将所述三维发型训练样本输入至发型匹配网络中,对所述三维训练样本中的前景图像进行特征提取,得到第一发型特征信息;并,
将所述第一发型特征信息与各三维发型对应的二维图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
确定与所述第一发型特征信息相似度最高的第二发型特征信息所对应的三维发型;
将确定的所述三维发型与所述标注三维发型进行比对,得到误差值;
若所述误差值未满足指定条件,则对所述发型匹配网络的训练参数进行调节后,返回执行将所述三维发型训练样本输入至发型匹配网络中,对所述三维训练样本中的前景图像进行特征提取的步骤,直至所述误差值满足所述指定条件,结束对所述发型匹配网络的训练。
在一些可能的实施方式中,本公开提供的一种三维发型匹配方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的三维发型匹配方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本公开的实施方式的三维发型匹配的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本公开的程序产品不限于此,在本文件中,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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本公开方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本公开的实施例可提供为方法、***、或计算机程序产品。因此,本公开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,本公开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(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本公开是参照根据本公开的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (6)
1.一种电子设备,其特征在于,包括处理器和显示单元;
其中,所述处理器,被配置为:
对包含用户的目标图像进行头发检测处理,得到中间图像,其中,所述中间图像为包含头发所在区域的图像;
利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型,提取所述前景图像中的头发颜色,利用所述头发颜色对所述三维发型的颜色进行填充,得到目标三维发型,利用预设的目标三维发型与三维发型渲染调节方式的对应关系,确定与所述目标三维发型相对应的三维发型渲染调节方式,利用确定的所述三维发型渲染调节方式对所述目标三维发型进行渲染,得到渲染后的目标三维发型;其中,所述三维发型渲染调节方式包括基础色调节、散射调节、高光调节、切线调节、背光度调节、环境光遮蔽调节以及像素深度偏移调节中的至少一个;
所述基础色调节为利用线性渐变函数对所述目标三维发型中的基础色贴图的颜色进行调节,得到第一目标三维发型;以及利用预设算法对所述第一目标三维发型中的基础色贴图的亮度进行调节,得到第二目标三维发型;提取所述第二目标三维发型的三维建模纹理,并对所述三维建模纹理进行去采样处理,得到遮罩图;并利用所述遮罩图对所述第二目标三维发型中的环境遮挡色贴图进行处理,得到基础色调节后的目标三维发型;
所述散射调节为利用线性渐变函数对所述目标三维发型中的散射色贴图进行处理,得到第三目标三维发型,并利用预设算法对所述第三目标三维发型中的基础色贴图的亮度进行调节,得到第四目标三维发型;以及将所述第四目标三维发型中的基础色贴图中的各像素点的像素值乘以第一指定缩放因子,得到散射调节后的目标三维发型;
所述高光调节为利用线性渐变函数对所述目标三维发型中的高光贴图进行处理,得到第五目标三维发型,并利用预设算法对所述第五目标三维发型中的高光贴图的亮度进行调节,得到第六目标三维发型;以及将所述第六目标三维发型中的高光贴图中的各像素点的像素值乘以第二指定缩放因子,得到高光调节后的目标三维发型;
所述切线调节为将所述目标三维发型中的基础色贴图及所述目标三维发型中的采样噪点图进行相乘后,与预设切线向量相加,得到切线调节后的目标三维发型;
所述背光度调节为先提取目标三维发型中的头发遮罩贴图的纵坐标数据,并将所述纵坐标数据进行反向处理;并对反向处理后的纵坐标数据添加阴影缩放混合处理,得到背光度调节后的目标三维发型;
所述环境光遮蔽调节为提取所述目标三维发型中的环境遮挡色贴图的纵坐标数据,并对所述纵坐标数据进行幂变换处理,得到环境光遮蔽调节后的目标三维发型;
所述像素深度偏移调节为获取所述目标三维发型中各像素点的渲染像素深度,并将所述渲染像素深度与第三指定缩放因子相乘,得到像素深度偏移调节后的目标三维发型;
所述显示单元,被配置为显示所述三维发型。
2.根据权利要求1所述的电子设备,其特征在于,所述处理器在执行所述对包含用户的目标图像进行头发检测处理,得到中间图像,具体被配置为:
将所述目标图像均分成指定数量的图像块;
按照预设的顺序分别对各图像块进行头发检测处理,得到所述中间图像;
其中,针对任一图像块进行头发检测处理的方法为:
对所述图像块进行特征提取,得到所述图像块的方向梯度直方图特征和局部三值模式特征;并,
将所述方向梯度直方图特征和局部三值模式特征输入至预先训练好的随机森林模型中,以得到所述图像块的分类结果;
若所述图像块的分类结果为不包含头发的类型,则将所述图像块的像素值设置为指定像素值。
3.根据权利要求1所述的电子设备,其特征在于,所述处理器在执行所述将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型,具体被配置为:
利用发型匹配网络对所述前景图像进行特征提取,得到第一发型特征信息;
将所述第一发型特征信息与各三维发型对应的二维发型图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
将与所述第一发型特征信息相似度最高的第二发型特征信息对应的三维发型确定为与所述前景图像包含的头发匹配的三维发型。
4.根据权利要求1所述的电子设备,其特征在于,所述处理器,还被配置为:
通过以下方式训练所述发型匹配网络:
获取各三维发型训练样本,其中任意一个三维发型训练样本中包括同一发型的前景图像以及与所述前景图像相对应的标注三维发型,且不同三维发型训练样本中前景图像的发型不相同;
针对任意一个三维发型训练样本执行以下步骤:
将所述三维发型训练样本输入至发型匹配网络中,对所述三维发型训练样本中的前景图像进行特征提取,得到第一发型特征信息;并,
将所述第一发型特征信息与各三维发型对应的二维图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
确定与所述第一发型特征信息相似度最高的第二发型特征信息所对应的三维发型;
将确定的所述三维发型与所述标注三维发型进行比对,得到误差值;
若所述误差值未满足指定条件,则对所述发型匹配网络的训练参数进行调节后,返回执行将所述三维发型训练样本输入至发型匹配网络中,对所述三维发型训练样本中的前景图像进行特征提取的步骤,直至所述误差值满足所述指定条件,结束对所述发型匹配网络的训练。
5.一种三维发型匹配方法,其特征在于,所述方法包括:
对包含用户的目标图像进行头发检测处理,得到中间图像,其中所述中间图像为包含头发所在区域的图像;
利用预设的头发分割算法,对所述中间图像进行头发分割,得到包含所述头发的前景图像;
将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型,提取所述前景图像中的头发颜色,利用所述头发颜色对所述三维发型的颜色进行填充,得到目标三维发型,利用预设的目标三维发型与三维发型渲染调节方式的对应关系,确定与所述目标三维发型相对应的三维发型渲染调节方式,利用确定的所述三维发型渲染调节方式对所述目标三维发型进行渲染,得到渲染后的目标三维发型;其中,所述三维发型渲染调节方式包括基础色调节、散射调节、高光调节、切线调节、背光度调节、环境光遮蔽调节以及像素深度偏移调节中的至少一个;
所述基础色调节为利用线性渐变函数对所述目标三维发型中的基础色贴图的颜色进行调节,得到第一目标三维发型;以及利用预设算法对所述第一目标三维发型中的基础色贴图的亮度进行调节,得到第二目标三维发型;提取所述第二目标三维发型的三维建模纹理,并对所述三维建模纹理进行去采样处理,得到遮罩图;并利用所述遮罩图对所述第二目标三维发型中的环境遮挡色贴图进行处理,得到基础色调节后的目标三维发型;
所述散射调节为利用线性渐变函数对所述目标三维发型中的散射色贴图进行处理,得到第三目标三维发型,并利用预设算法对所述第三目标三维发型中的基础色贴图的亮度进行调节,得到第四目标三维发型;以及将所述第四目标三维发型中的基础色贴图中的各像素点的像素值乘以第一指定缩放因子,得到散射调节后的目标三维发型;
所述高光调节为利用线性渐变函数对所述目标三维发型中的高光贴图进行处理,得到第五目标三维发型,并利用预设算法对所述第五目标三维发型中的高光贴图的亮度进行调节,得到第六目标三维发型;以及将所述第六目标三维发型中的高光贴图中的各像素点的像素值乘以第二指定缩放因子,得到高光调节后的目标三维发型;
所述切线调节为将所述目标三维发型中的基础色贴图及所述目标三维发型中的采样噪点图进行相乘后,与预设切线向量相加,得到切线调节后的目标三维发型;
所述背光度调节为先提取目标三维发型中的头发遮罩贴图的纵坐标数据,并将所述纵坐标数据进行反向处理;并对反向处理后的纵坐标数据添加阴影缩放混合处理,得到背光度调节后的目标三维发型;
所述环境光遮蔽调节为提取所述目标三维发型中的环境遮挡色贴图的纵坐标数据,并对所述纵坐标数据进行幂变换处理,得到环境光遮蔽调节后的目标三维发型;
所述像素深度偏移调节为获取所述目标三维发型中各像素点的渲染像素深度,并将所述渲染像素深度与第三指定缩放因子相乘,得到像素深度偏移调节后的目标三维发型。
6.根据权利要求5所述的方法,其特征在于,所述将所述前景图像输入至预先训练好的发型匹配网络中进行识别,得到与所述前景图像包含的头发匹配的三维发型,包括:
利用发型匹配网络对所述前景图像进行特征提取,得到第一发型特征信息;
将所述第一发型特征信息与各三维发型对应的二维发型图像的第二发型特征信息进行比对,得到所述第一发型特征信息与各第二发型特征信息的相似度;
将与所述第一发型特征信息相似度最高的第二发型特征信息对应的三维发型确定为与所述前景图像包含的头发匹配的三维发型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658998.4A CN113538455B (zh) | 2021-06-15 | 2021-06-15 | 三维发型匹配方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658998.4A CN113538455B (zh) | 2021-06-15 | 2021-06-15 | 三维发型匹配方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538455A CN113538455A (zh) | 2021-10-22 |
CN113538455B true CN113538455B (zh) | 2023-12-12 |
Family
ID=78095954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110658998.4A Active CN113538455B (zh) | 2021-06-15 | 2021-06-15 | 三维发型匹配方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538455B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198515A (zh) * | 2013-04-18 | 2013-07-10 | 北京尔宜居科技有限责任公司 | 一种即时调节3d场景中物体光照渲染效果的方法 |
CN103617426A (zh) * | 2013-12-04 | 2014-03-05 | 东北大学 | 一种自然环境干扰和有遮挡时的行人目标检测方法 |
CN105488490A (zh) * | 2015-12-23 | 2016-04-13 | 天津天地伟业数码科技有限公司 | 基于视频的审判员着装检测方法 |
CN105701853A (zh) * | 2014-12-15 | 2016-06-22 | 三星电子株式会社 | 3d渲染方法和设备 |
CN106372333A (zh) * | 2016-08-31 | 2017-02-01 | 北京维盛视通科技有限公司 | 基于人脸模型的服装展示方法及装置 |
WO2018094653A1 (zh) * | 2016-11-24 | 2018-05-31 | 华为技术有限公司 | 一种用户头发模型的重建方法、装置及终端 |
CN108334823A (zh) * | 2018-01-19 | 2018-07-27 | 中国公路工程咨询集团有限公司 | 基于机器学习的高分辨率遥感影像集装箱区域检测方法 |
CN108513089A (zh) * | 2017-02-24 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 群组视频会话的方法及装置 |
CN110060324A (zh) * | 2019-03-22 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 图像渲染方法、装置及电子设备 |
CN110796721A (zh) * | 2019-10-31 | 2020-02-14 | 北京字节跳动网络技术有限公司 | 虚拟形象的颜色渲染方法、装置、终端及存储介质 |
CN111182350A (zh) * | 2019-12-31 | 2020-05-19 | 广州华多网络科技有限公司 | 图像处理方法、装置、终端设备及存储介质 |
CN111291765A (zh) * | 2018-12-07 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 用于确定相似图片的方法和装置 |
CN111612820A (zh) * | 2020-05-15 | 2020-09-01 | 北京百度网讯科技有限公司 | 多目标跟踪方法、特征提取模型的训练方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8531450B2 (en) * | 2008-08-28 | 2013-09-10 | Adobe Systems Incorporated | Using two dimensional image adjustment operations on three dimensional objects |
WO2017181332A1 (zh) * | 2016-04-19 | 2017-10-26 | 浙江大学 | 一种基于单幅图像的全自动三维头发建模方法 |
CN109408653B (zh) * | 2018-09-30 | 2022-01-28 | 叠境数字科技(上海)有限公司 | 基于多特征检索和形变的人体发型生成方法 |
-
2021
- 2021-06-15 CN CN202110658998.4A patent/CN113538455B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198515A (zh) * | 2013-04-18 | 2013-07-10 | 北京尔宜居科技有限责任公司 | 一种即时调节3d场景中物体光照渲染效果的方法 |
CN103617426A (zh) * | 2013-12-04 | 2014-03-05 | 东北大学 | 一种自然环境干扰和有遮挡时的行人目标检测方法 |
CN105701853A (zh) * | 2014-12-15 | 2016-06-22 | 三星电子株式会社 | 3d渲染方法和设备 |
CN105488490A (zh) * | 2015-12-23 | 2016-04-13 | 天津天地伟业数码科技有限公司 | 基于视频的审判员着装检测方法 |
CN106372333A (zh) * | 2016-08-31 | 2017-02-01 | 北京维盛视通科技有限公司 | 基于人脸模型的服装展示方法及装置 |
WO2018094653A1 (zh) * | 2016-11-24 | 2018-05-31 | 华为技术有限公司 | 一种用户头发模型的重建方法、装置及终端 |
CN108513089A (zh) * | 2017-02-24 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 群组视频会话的方法及装置 |
CN108334823A (zh) * | 2018-01-19 | 2018-07-27 | 中国公路工程咨询集团有限公司 | 基于机器学习的高分辨率遥感影像集装箱区域检测方法 |
CN111291765A (zh) * | 2018-12-07 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 用于确定相似图片的方法和装置 |
CN110060324A (zh) * | 2019-03-22 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 图像渲染方法、装置及电子设备 |
CN110796721A (zh) * | 2019-10-31 | 2020-02-14 | 北京字节跳动网络技术有限公司 | 虚拟形象的颜色渲染方法、装置、终端及存储介质 |
CN111182350A (zh) * | 2019-12-31 | 2020-05-19 | 广州华多网络科技有限公司 | 图像处理方法、装置、终端设备及存储介质 |
CN111612820A (zh) * | 2020-05-15 | 2020-09-01 | 北京百度网讯科技有限公司 | 多目标跟踪方法、特征提取模型的训练方法和装置 |
Non-Patent Citations (2)
Title |
---|
DeepSketchHair: Deep Sketch-based 3D Hair Modeling;Yuefan Shen 等;《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》;1-14 * |
数据驱动的三维人体头部重建;何华赟;《中国优秀硕士学位论文全文数据库 信息科技辑》(第12期);I138-1745 * |
Also Published As
Publication number | Publication date |
---|---|
CN113538455A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276344B (zh) | 一种图像分割的方法、图像识别的方法以及相关装置 | |
CN110689500B (zh) | 一种人脸图像的处理方法、装置、电子设备及存储介质 | |
US9741137B2 (en) | Image-based color palette generation | |
US9552656B2 (en) | Image-based color palette generation | |
US9177391B1 (en) | Image-based color palette generation | |
WO2016165615A1 (zh) | 一种即时视频中的表情特效动画加载方法和电子设备 | |
CN110689479B (zh) | 一种人脸上妆方法、装置、设备及介质 | |
CN108875594B (zh) | 一种人脸图像的处理方法、装置以及存储介质 | |
CN110796721A (zh) | 虚拟形象的颜色渲染方法、装置、终端及存储介质 | |
CN110443769A (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN108701355A (zh) | Gpu优化和在线基于单高斯的皮肤似然估计 | |
CN108694719A (zh) | 图像输出方法和装置 | |
CN112532882B (zh) | 图像显示方法和装置 | |
CN109255784B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN108494996A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN113453027B (zh) | 直播视频、虚拟上妆的图像处理方法、装置及电子设备 | |
US20240070976A1 (en) | Object relighting using neural networks | |
CN114757837A (zh) | 目标模型的渲染方法、设备及存储介质 | |
CN115375835A (zh) | 基于二维关键点的三维模型建立方法、计算机及存储介质 | |
CN108683845A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN117455753B (zh) | 特效模板生成方法、特效生成方法、装置及存储介质 | |
CN110991325A (zh) | 一种模型训练的方法、图像识别的方法以及相关装置 | |
CN114463212A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107798716A (zh) | 图像效果提取 | |
CN114120413A (zh) | 模型训练方法、图像合成方法、装置、设备及程序产品 |
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 |