CN113870399A - 表情驱动方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了表情驱动方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景。具体实现方案为：将具有表情的源图像及无表情的目标图像分别输入至三维表情表达模型中，以获取多个第一面部属性以及多个第二面部属性，采用第一面部属性中的至少部分面部属性替换第二面部属性中对应的面部属性，并对替换后的第二面部属性进行三维面部重建和渲染，通过表情驱动模型对将渲染的三维面部图像进行表情驱动。由此，可实现源图像和目标图像中的面部表情和面部姿态的解耦，进而，可实现单独控制目标图像的面部表情和面部姿态，更好地满足更多样的表情驱动。

Description

表情驱动方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景，尤其涉及表情驱动方法、装置、电子设备及存储介质。

背景技术

面部表情驱动技术是计算机视觉重要技术之一，其任务是通过一张面部表情图片驱动目标图片的面部的表情，使两者表情尽量一致。面部表情驱动技术在泛娱乐应用中非常广泛。

发明内容

本公开提供了一种用于表情驱动方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种表情驱动方法，包括：获取具有表情的源图像及无表情的目标图像；将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；采用所述多个第一面部属性中的至少部分面部属性替换所述多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；将所述渲染后的三维面部图像输入至表情驱动模型中，以对所述目标图像中的面部进行表情驱动。

根据本公开的另一方面，提供了一种表情驱动装置，包括：第一获取模块，用于获取具有表情的源图像及无表情的目标图像；第二获取模块，用于将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；替换模块，用于采用所述多个第一面部属性中的至少部分面部属性替换所述多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；处理模块，用于根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；驱动模块，用于将所述渲染后的三维面部图像输入至表情驱动模型中，以对所述目标图像中的面部进行表情驱动。

根据本公开的另一方面，提供了一种电子设备，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本公开第一方面实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开第一方面实施例所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；

图3是根据本公开第三实施例的示意图；

图4是根据本公开第四实施例的示意图；

图5是根据本公开实施例的表情驱动方法的流程示意图；

图6是根据本公开第五实施例的示意图；

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

面部表情驱动技术是计算机视觉重要技术之一，其任务是通过一张面部表情图片驱动目标图片的面部的表情，使两者表情尽量一致。面部表情驱动技术在泛娱乐应用中非常广泛。

相关技术中，通过检测驱动图像的面部2D关键点并将面部2D关键点进行表情表达并生成对应表情驱动后的面部图片。

但是，上述基于2D面部关键点的表情驱动技术无法解耦表情和面部姿态，当驱动图片的姿态跟目标图像的姿态差异较大时，所生成图片的姿态会跟随驱动图像变化，无法保持目标图像原始姿态，无法满足更多样的表情驱动。

针对上述问题，本公开提出了表情驱动方法、装置、电子设备及存储介质。

图1是根据本公开第一实施例的示意图。需要说明的是，本公开实施例的表情驱动方法可应用于本公开实施例的表情驱动装置，该装置可被配置于电子设备中。其中，该电子设备可以是移动终端，例如，手机、平板电脑、个人数字助理等具有各种操作***的硬件设备。

如图1所示，该表情驱动方法可包括如下步骤：

步骤101，获取具有表情的源图像及无表情的目标图像。

在本公开实施例中，可利用图像采集设备对对象进行拍摄，获取具有表情的源图像和无表情的目标图像，或者，从网络下载具有表情的源图像和无表情的目标图像。其中，源图像中的表情可包括：高兴、愤怒、激动或生气等面部表情。

步骤102，将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。

为了实现面部属性中的各个面部属性之间的解耦，可将源图像和目标图像分别输入至三维表情表达模型中，三维表情表达模型可输出源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。其中，需要说明的是，第一面部属性和第二面部属性包括：面部表情、面部姿态、面部光照和面部形状中的至少一种，第一面部属性可与第二面部属性不同。

另外，需要说明的是，三维表情表达模型可包括编码层和解码层；其中，编码层，用于将源图像和所述目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性，以实现面部属性中的各个面部属性之间的解耦；解码层，用于根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像，以实现对替换后的多个第二面部属性进行面部重建。

作为一种应用场景，在人脸图像处理和人脸识别场景中，三维表情表达模型可为人脸3D形变统计模型(简称3DMM)，为了实现人脸属性中的各个面部属性之间的解耦，可将人脸图像和目标图像分别输入至3DMM的编码层中，以获取人脸图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。

步骤103，采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性。

为了使目标图像保持原有面部姿态，仅对目标图像进行表情驱动，在本公开实施例中，可采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性。比如，可采用第一面部属性中的面部表情替换第二面部属性中的面部表情，将替换面部表情后的第二面部属性作为替换处理后的多个第二面部属性。

步骤104，根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像。

为了对替换后的多个第二面部属性进行呈现，可将替换处理后的多个第二面部属性输入至三维表情表达模型的解码层中，以得到重建后的三维面部图像。进而，通过3D渲染技术，得到渲染后的三维面部图像。

步骤105，将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

可以理解的是，由于渲染后的三维面部图像的真实性较差，因此，为了使表情驱动后的目标图像更加真实，在本公开实施例中，可将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

综上，通过获取具有表情的源图像及无表情的目标图像；将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性；采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。由此，可实现源图像和目标图像中的面部表情和面部姿态的解耦，进而，可实现单独控制目标图像的面部表情和面部姿态，更好地满足更多样的表情驱动。

为了使目标图像保持原有面部姿态，仅对目标图像进行表情驱动，如图2所示，图2是根据本公开第二实施例的示意图。在本公开实施例中，可采用多个第一面部属性中的面部表情替换第二面部属性中的面部表情，以得到替换处理后的第二面部属性。图2所示实施例可包括如下步骤：

步骤201，获取具有表情的源图像及无表情的目标图像。

步骤202，将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。

步骤203，根据多个第一面部属性中的面部表情，对第二面部属性中的面部表情进行替换处理。

在本公开实施例中，第一面部属性和第二面部属性中均可包括：面部形状、面部姿态、面部表情和面部光照，可采用第一面部属性中的面部表情对第二面部属性中的面部表情进行替换处理。

步骤204，将第二面部属性中替换处理后的面部表情，以及第二面部属性中替换处理所保留的面部姿态、面部形状以及面部光照，作为替换处理后的多个第二面部属性。

也就是说，在采用第一面部属性中的面部表情对第二面部属性中的面部表情进行替换处理后，可将第二面部属性中替换处理后的面部表情，第二面部属性中原来保留的面部姿态、面部形状以及面部光照，作为替换处理后的多个第二面部属性。

步骤205，根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像。

步骤206，将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

需要说明的是，步骤201至202、步骤205至206的执行过程可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

综上，通过根据多个第一面部属性中的面部表情，对第二面部属性中的面部表情进行替换处理；将第二面部属性中替换处理后的面部表情，以及第二面部属性中替换处理所保留的面部姿态、面部形状以及面部光照，作为替换处理后的多个第二面部属性。由此，可使目标图像保持原有面部姿态，仅对目标图像进行表情驱动。

为了对替换后的多个第二面部属性进行面部重建，如图3所示，图3是根据本公开第三实施例的示意图，在本公开实施例中，可根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到重建后的三维面部图像。图3所示实施例可包括如下步骤：

步骤301，获取具有表情的源图像及无表情的目标图像。

步骤302，将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。

步骤303，采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性。

步骤304，根据替换处理后的多个第二面部属性系数，对目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像。

在本公开实施例中，可将替换处理后的多个第二面部属性系数，输入三维表情表达模型的解码层中，三维表情表达模型可输出重建后的三维面部图像。

步骤305，对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像。

为了使获取的三维面部图像更加准确和真实，可采用3D渲染技术对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像。

步骤306，将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

需要说明的是，步骤301至303、步骤306的执行过程可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

综上，通过根据替换处理后的多个第二面部属性系数，对目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像；对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像，由此，可对替换后的多个第二面部属性进行面部重建。

为了使表情驱动模型可对渲染后的三维面部图像进行表情驱动，以获取更加真实的面部驱动图像，如图4所示，图4是根据本公开第四实施例的示意图，在本公开实施例中，在将渲染后的三维面部图像输入至表情驱动模型之前，可对表情驱动模型进行训练，以使表情驱动模型输出更加真实的面部驱动图像，图4所示实施例可包括如下步骤：

步骤401，获取具有表情的源图像及无表情的目标图像。

步骤402，将源图像和所述目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性。

步骤403，采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性。

步骤404，根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像。

步骤405，获取多帧具有表情的样本图像。

在本公开实施例中，可采用图像采集设备或者网络下载获取多帧具有表情的样本图像，其中，需要说明的是，多帧具有表情的样本图像可为同一个对象不同的表情的样本图像，或者，多帧具有表情的样本图像可为不同对象的不同的表情的样本图像。

步骤406，针对每帧样本图像，将样本图像输入至三维表情表达模型的编码层中，以获取样本图像对应的样本面部属性；其中，样本面部属性包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种。

进一步地，可将多帧具有表情的样本图像的每帧样本图像分别输入至三维表情表达模型的编码层中，三维表情表达模型可输出每帧样本图像对应的样本面部属性，其中，需要说明的是，样本面部属性可包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种。

步骤407，将样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至三维表情表达模型的解码层中，以对样本图像中的面部进行三维面部重建，得到重建后的三维样本面部图像。

进而，可将样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至三维表情表达模型的解码层中，三维表情表达模型可对样本面部属性进行三维面部重建，以得到重建后的三维样本面部图像。

步骤408，对重建后的三维样本面部图像进行三维面部渲染，以得到渲染后的三维样本面部图像。

在本公开实施例中，可对重建后的三维样本面部图像采用三维渲染技术进行三维面部渲染，得到渲染后的三维样本面部图像。

步骤409，根据渲染后的三维样本面部图像和样本图像，对初始的表情驱动模型进行训练，以生成表情驱动模型。

作为一种示例，将渲染后的三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；根据样本图像与表情预测图像之间的差异性，确定损失函数值；根据损失函数值，对初始的表情驱动模型进行训练，以使损失函数值最小化。

也就是说，为了提高表情驱动模型的准确性，可将渲染后的三维样本面部图像输入至初始的表情驱动模型中，初始的表情表达模型可输出表情预测图像，进而，可将样本图像与表情预测图像进行比对，确定样本图像与表情预测图像之间的差异性，并根据该差异性确定损失函数值，比如，损失函数值可包括第一子损失函数值和第二子损失函数值，其中，可根据样本图像与表情预测图像之间的差值的绝对值确定第一子损失函数值，同时，将样本图像和表情预测图像输入经过训练的目视图像生成器(Visual Graphics Generator，简称VGG)中，生成样本图像对应的语义向量和表情预测图像对应的语义向量，根据样本图像对应的语义向量与表情预测图像对应的语义向量之间的差值的绝对值，确定第二子损失函数值。进而，根据损失函数值，可采用梯度回传的方式对初始的表情驱动模型进行训练，以使损失函数值最小化。

作为另一种示例，对渲染后的三维样本面部图像和样本图像进行图像归一化处理，以获取目标三维样本面部图像；将目标三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；根据样本图像与表情预测图像之间的差异性，确定损失函数值；根据损失函数值，对初始的表情驱动模型进行训练，以使损失函数值最小化。

为了使渲染后的三维样本面部图像和样本图像的数据分布在同一区域，减小渲染后的三维样本面部图像和样本图像的差距，便于对初始的表情驱动模型进行训练，可将渲染后的三维样本面部图像和样本图像进行图像归一化处理，以获取目标三维样本面部图像。比如，可将渲染后的三维样本面部图像和样本图像中的每个像素的像素值除以255然后减1，使每个像素的像素值在[-0.5,0.5]之间。接着，可将目标三维样本面部图像输入至初始的表情驱动模型中，初始的表情表达模型可输出表情预测图像，进而，可将样本图像与表情预测图像进行比对，确定样本图像与表情预测图像之间的差异性，并根据该差异性确定损失函数值。根据损失函数值，可采用梯度回传的方式对初始的表情驱动模型进行训练，以使损失函数值最小化。

步骤410，将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

需要说明的是，步骤401至404、步骤410的执行过程可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。

综上，通过获取多帧具有表情的样本图像；针对每帧样本图像，将样本图像输入至三维表情表达模型的编码层中，以获取样本图像对应的样本面部属性；其中，样本面部属性包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种；将样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至三维表情表达模型的解码层中，以对样本图像中的面部进行三维面部重建，得到重建后的三维样本面部图像；对重建后的三维样本面部图像进行三维面部渲染，以得到渲染后的三维样本面部图像；根据渲染后的三维样本面部图像和样本图像，对初始的表情驱动模型进行训练，以生成表情驱动模型。由此，可使表情驱动模型对渲染后的三维面部图像进行表情驱动，以获取更加真实的面部驱动图像。

为了更加清楚地说明上述实施例，现举例进行说明。

举例而言，如图5所示，在图5中，source图像(源图像)可表示具有表情的源图像，target图像可表示无表情的目标图像，3DMM可表示三维表情表达模型，可将source图像和target图像分别输入至3DMM的编码层中，以获取source图像对应的shape(面部形状)、pose(面部姿态)、light(面部光照)和exp(面部表情)，以及target图像对应的shape(面部形状)、pose(面部姿态)、light(面部光照)和exp(面部表情)。接着，采用source图像中的exp替换target图像中的exp，target图像对应的替换处理后的面部属性包括：替换后的exp，target图像中保留的原来的shape、pose和light。进而，可将target图像对应的替换处理后的面部属性输入至3DMM模型的解码层中，以进行三维面部重建和渲染，以得到渲染后的三维面部图像，最后，将渲染后的三维面部图像输入至translator模型(表情驱动模型)中，translator模型输出目标图像对应的表情驱动图像。

本公开实施例的表情驱动方法，通过获取具有表情的源图像及无表情的目标图像；将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性；采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。该方法通过将源图像和目标图像分别输入至三维表情表达模型中，获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性，进而，采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，并对替换后的第二面部属性进行三维面部重建和渲染，最后通过表情驱动模型对将渲染的三维面部图进行表情驱动。由此，可实现源图像和目标图像中的面部表情和面部姿态的解耦，进而，可实现单独控制目标图像的面部表情和面部姿态，更好地满足更多样的表情驱动。

为了实现上述实施例，本公开还提出一种表情驱动装置。

图6是根据本公开第五实施例的示意图，如图6所示，表情驱动装置600包括：第一获取模块610、第二获取模块620、替换模块630、处理模块640和驱动模块650。

其中，第一获取模块610用于获取具有表情的源图像及无表情的目标图像；第二获取模块620，用于将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性；替换模块630，用于采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；处理模块640，用于根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；驱动模块650，用于将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。

作为本公开实施例的一种可能实现方式，替换模块630，具体用于：根据多个第一面部属性中的面部表情，对第二面部属性中的面部表情进行替换处理；将第二面部属性中替换处理后的面部表情，以及第二面部属性中替换处理所保留的面部姿态、面部形状以及面部光照，作为替换处理后的多个第二面部属性。

作为本公开实施例的一种可能实现方式，处理模块640，具体用于：根据替换处理后的多个第二面部属性系数，对目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像；对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像。

作为本公开实施例的一种可能实现方式，三维表情表达模型包括编码层和解码层；其中，编码层，用于将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性；解码层，用于根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像。

作为本公开实施例的一种可能实现方式，表情驱动装置600还包括：第三获取模块、第四获取模块、重建模块、渲染模块和训练模块。

其中，第三获取模块，用于获取多帧具有表情的样本图像；第四获取模块，用于针对每帧样本图像，将样本图像输入至三维表情表达模型的编码层中，以获取样本图像对应的样本面部属性；其中，样本面部属性包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种；重建模块，用于将样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至三维表情表达模型的解码层中，以对样本图像中的面部进行三维面部重建，得到重建后的三维样本面部图像；渲染模块，用于对重建后的三维样本面部图像进行三维面部渲染，以得到渲染后的三维样本面部图像；训练模块，用于根据渲染后的三维样本面部图像和样本图像，对初始的表情驱动模型进行训练，以生成表情驱动模型。

作为本公开实施例的一种可能实现方式，训练模块，具体用于：将渲染后的三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；根据样本图像与表情预测图像之间的差异性，确定损失函数值；根据损失函数值，对初始的表情驱动模型进行训练，以使损失函数值最小化。

作为本公开实施例的一种可能实现方式，训练模块，具体用于：对渲染后的三维面部图像和样本图像进行图像归一化处理，以获取目标三维样本面部图像；将目标三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；根据样本图像与表情预测图像之间的差异性，确定损失函数值；根据损失函数值，对初始的表情驱动模型进行训练，以使损失函数值最小化。

本公开实施例的表情驱动装置，通过获取具有表情的源图像及无表情的目标图像；将源图像和目标图像分别输入至三维表情表达模型中，以获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性；采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；根据替换处理后的多个第二面部属性，对目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；将渲染后的三维面部图像输入至表情驱动模型中，以对目标图像中的面部进行表情驱动。该装置可实现通过将源图像和目标图像分别输入至三维表情表达模型中，获取源图像对应的多个第一面部属性以及目标图像对应的多个第二面部属性，进而，采用多个第一面部属性中的至少部分面部属性替换多个第二面部属性中对应的面部属性，并对替换后的第二面部属性进行三维面部重建和渲染，最后通过表情驱动模型对将渲染的三维面部图进行表情驱动。由此，可实现源图像和目标图像中的面部表情和面部姿态的解耦，进而，可实现单独控制目标图像的面部表情和面部姿态，更好地满足更多样的表情驱动。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如表情驱动方法。例如，在一些实施例中，表情驱动方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的表情驱动方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行表情驱动方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

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***、装置或设备使用或与指令执行***、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***、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。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种表情驱动方法，包括：

获取具有表情的源图像及无表情的目标图像；

将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；

采用所述多个第一面部属性中的至少部分面部属性替换所述多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；

根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；

将所述渲染后的三维面部图像输入至表情驱动模型中，以对所述目标图像中的面部进行表情驱动。

2.根据权利要求1所述的方法，其中，所述采用所述多个第一面部属性中的至少部分面部属性替换所述多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性，包括：

根据所述多个第一面部属性中的面部表情，对所述第二面部属性中的面部表情进行替换处理；

将所述第二面部属性中替换处理后的面部表情，以及所述第二面部属性中替换处理所保留的面部姿态、面部形状以及面部光照，作为所述替换处理后的多个第二面部属性。

3.根据权利要求1所述的方法，其中，所述根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像，包括：

根据所述替换处理后的多个第二面部属性系数，对所述目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像；

对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像。

4.根据权利要求3所述的方法，其中，所述三维表情表达模型包括编码层和解码层；

其中，所述编码层，用于将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；

所述解码层，用于根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像。

5.根据权利要求1所述的方法，其中，所述将所述渲染后的三维面部图像输入至表情驱动模型中之前，还包括：

获取多帧具有表情的样本图像；

针对每帧所述样本图像，将所述样本图像输入至所述三维表情表达模型的编码层中，以获取所述样本图像对应的样本面部属性；其中，所述样本面部属性包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种；

将所述样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至所述三维表情表达模型的解码层中，以对所述样本图像中的面部进行三维面部重建，得到重建后的三维样本面部图像；

对所述重建后的三维样本面部图像进行三维面部渲染，以得到渲染后的三维样本面部图像；

根据所述渲染后的三维样本面部图像和所述样本图像，对初始的表情驱动模型进行训练，以生成所述表情驱动模型。

6.根据权利要求5所述的方法，其中，所述根据所述渲染后的三维样本面部图像和所述样本图像对初始的表情驱动模型进行训练，以生成所述表情驱动模型，包括：

将所述渲染后的三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；

根据所述样本图像与所述表情预测图像之间的差异性，确定损失函数值；

根据所述损失函数值，对所述初始的表情驱动模型进行训练，以使所述损失函数值最小化。

7.根据权利要求5所述的方法，其中，所述根据所述渲染后的三维样本面部图像和所述样本图像对初始的表情驱动模型进行训练，以生成所述表情驱动模型，包括：

对所述渲染后的三维样本面部图像和所述样本图像进行图像归一化处理，以获取目标三维样本面部图像；

将所述目标三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；

根据所述样本图像与所述表情预测图像之间的差异性，确定损失函数值；

根据所述损失函数值，对所述初始的表情驱动模型进行训练，以使所述损失函数值最小化。

8.一种表情驱动装置，包括：

第一获取模块，用于获取具有表情的源图像及无表情的目标图像；

第二获取模块，用于将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；

替换模块，用于采用所述多个第一面部属性中的至少部分面部属性替换所述多个第二面部属性中对应的面部属性，以得到替换处理后的多个第二面部属性；

处理模块，用于根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建和渲染，以得到渲染后的三维面部图像；

驱动模块，用于将所述渲染后的三维面部图像输入至表情驱动模型中，以对所述目标图像中的面部进行表情驱动。

9.根据权利要求8所述的装置，其中，所述替换模块，具体用于：

根据所述多个第一面部属性中的面部表情，对所述第二面部属性中的面部表情进行替换处理；

将所述第二面部属性中替换处理后的面部表情，以及所述第二面部属性中替换处理所保留的面部姿态、面部形状以及面部光照，作为所述替换处理后的多个第二面部属性。

10.根据权利要求8所述的装置，其中，所述处理模块，具体用于：

根据所述替换处理后的多个第二面部属性系数，对所述目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像；

对重建后的三维面部图像进行三维面部渲染，以得到渲染后的三维面部图像。

11.根据权利要求10所述的装置，其中，所述三维表情表达模型包括编码层和解码层；

其中，所述编码层，用于将所述源图像和所述目标图像分别输入至三维表情表达模型中，以获取所述源图像对应的多个第一面部属性以及所述目标图像对应的多个第二面部属性；

所述解码层，用于根据所述替换处理后的多个第二面部属性，对所述目标图像中的面部进行三维面部重建，以得到重建后的三维面部图像。

12.根据权利要求8所述的装置，其中，所述装置还包括：

第三获取模块，用于获取多帧具有表情的样本图像；

第四获取模块，用于针对每帧所述样本图像，将所述样本图像输入至所述三维表情表达模型的编码层中，以获取所述样本图像对应的样本面部属性；其中，所述样本面部属性包括：样本面部表情、样本面部形状、样本面部姿态和样本面部光照中的至少一种；

重建模块，用于将所述样本面部表情、样本面部形状、样本面部姿态和样本面部光照输入至所述三维表情表达模型的解码层中，以对所述样本图像中的面部进行三维面部重建，得到重建后的三维样本面部图像；

渲染模块，用于对所述重建后的三维样本面部图像进行三维面部渲染，以得到渲染后的三维样本面部图像；

训练模块，用于根据所述渲染后的三维样本面部图像和所述样本图像，对初始的表情驱动模型进行训练，以生成所述表情驱动模型。

13.根据权利要求12所述的装置，其中，所述训练模块，具体用于：

将所述渲染后的三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；

根据所述样本图像与所述表情预测图像之间的差异性，确定损失函数值；

根据所述损失函数值，对所述初始的表情驱动模型进行训练，以使所述损失函数值最小化。

14.根据权利要求12所述的装置，其中，所述训练模块，具体用于：

对所述渲染后的三维面部图像和所述样本图像进行图像归一化处理，以获取目标三维样本面部图像；

将所述目标三维样本面部图像输入至初始的表情驱动模型中，以获取表情预测图像；

根据所述样本图像与所述表情预测图像之间的差异性，确定损失函数值；

根据所述损失函数值，对所述初始的表情驱动模型进行训练，以使所述损失函数值最小化。

15.一种电子设备，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权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述方法的步骤。

Images