CN114255169A - 视频生成方法及设备 - Google Patents

视频生成方法及设备 Download PDF

Info

Publication number
CN114255169A
CN114255169A CN202111609441.8A CN202111609441A CN114255169A CN 114255169 A CN114255169 A CN 114255169A CN 202111609441 A CN202111609441 A CN 202111609441A CN 114255169 A CN114255169 A CN 114255169A
Authority
CN
China
Prior art keywords
image
feature
neural network
training
target
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
CN202111609441.8A
Other languages
English (en)
Inventor
施亦纯
杨骁�
沈晓辉
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.)
Lemon Inc Cayman Island
Original Assignee
Lemon Inc Cayman Island
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 Lemon Inc Cayman Island filed Critical Lemon Inc Cayman Island
Priority to CN202111609441.8A priority Critical patent/CN114255169A/zh
Publication of CN114255169A publication Critical patent/CN114255169A/zh
Priority to PCT/SG2022/050927 priority patent/WO2023121571A2/zh
Pending legal-status Critical Current

Links

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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2621—Cameras specially adapted for the electronic generation of special effects during image pickup, e.g. digital cameras, camcorders, video cameras having integrated special effects capability
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例提供一种视频生成方法及设备，该方法包括：在第一图像中，提取第一图像特征；根据第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，第二图像特征为第二图像的图像特征；基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，目标视频用于展现从第一图像渐变至第二图像的过程。从而，利用非线性插值的方式，提高中间图像特征的质量，进而提高目标视频的中间帧的图像质量，即提高了目标视频的视频质量。

Description

视频生成方法及设备
技术领域
本公开实施例涉及计算机技术领域，尤其涉及一种视频生成方法及设备。
背景技术
在目前的计算机视觉技术、深度学习技术中，基于两张图像可以生成两张图像之间渐变的视频，例如，向深度学习模型，输入两张人脸图像，生成两张人脸图像之间渐变的视频，该视频中的视频帧从一张人脸图像渐变为另一张人脸图像。该技术例如可以用于特效生成，提高视频的趣味性。
在视频生成的过程中，需要基于两张图像来生成视频中的多个视频帧，进而得到该两张图像之间渐变的视频。然而，目前基于两张图像生成多个视频帧的质量，尤其是视频的中间帧的图像质量有待提高。
发明内容
本公开实施例提供一种视频生成方法及设备，以解决在基于数量较少的图像生成视频时视频的中间帧的图像质量有待提高的问题。
第一方面，本公开实施例提供一种视频生成方法，包括：
在第一图像中，提取第一图像特征；
根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；
基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
第二方面，本公开实施例提供一种模型确定方法，包括：
根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；
其中，所述神经网络的一次训练过程包括：
根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；
基于所述特征空间，对所述目标图像特征进行初步调整；
通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；
根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
第三方面，本公开实施例提供一种视频生成设备，包括：
提取单元，用于在第一图像中，提取第一图像特征；
插值单元，用于根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；
视频生成单元，用于基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
第四方面，本公开实施例提供一种模型确定设备，包括：
训练单元，用于根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；
其中，所述神经网络的一次训练过程包括：
根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；
基于所述特征空间，对所述目标图像特征进行初步调整；
通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；
根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
第五方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面或第一方面各种可能的设计所述的视频生成方法，或者，使得所述至少一个处理器执行如第二方面或第二方面各种可能的设计所述的模型确定方法。
第六方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面或第一方面各种可能的设计所述的视频生成方法，或者，实现如第二方面或第二方面各种可能的设计所述的模型确定方法。
第七方面，根据本公开的一个或多个实施例，提供了一种计算机程序产品，所述计算机程序产品包含计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面或第一方面各种可能的设计所述的视频生成方法，或者，实现如第二方面或第二方面各种可能的设计所述的模型确定方法。
本实施例提供的视频生成方法及设备，根据第一图像的第一图像特征和第二图像的第二图像特征，通过非线性插值得到多个中间图像特征，基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图重建，生成目标视频，其中，目标视频用于展示从第一图像渐变至第二图像的过程。从而，通过非线性插值方式，提高中间图像特征的质量，在保证目标视频的中间帧与第一图像、第二图像的相似度的基础上，提高目标视频的中间帧的图像质量，进而提高目标视频的视频质量。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例适用的应用场景的示意图；
图2为本公开实施例提供的视频生成方法的流程示意图一；
图3a为本公开实施例提供的视频生成方法的流程示意图二；
图3b为本公开实施例提供的依次基于图像生成模型的特征空间和神经网络调整第三图像特征的流程示意图；
图4为本公开实施例提供的基于特征空间和神经网络的非线性插值的框架示例图；
图5为本公开实施例提供的模型确定方法的流程示意图；
图6为本公开实施例提供的神经网络的训练框架示意图；
图7为本公开实施例提供的视频生成设备的结构框图；
图8为本公开实施例提供的模型确定设备的结构框图；
图9为本公开实施例提供的电子设备的硬件结构示意图。
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。
在生成两张输入图像之间的渐变视频时，通常的，对两种输入图像的图像特征进行线性插值，得到中间图像特征，利用中间图像特征生成视频的中间帧。该方式可以保证视频帧的连续性、相似性，但是线性插值后的中间图像特征往往不符合真实视频中视频画面的图像特征的分布规律(或变化规律)，导致中间帧的图像质量不佳，美观性、真实性不足。
为解决上述问题，本公开实施例提供了一种视频生成方法及设备，基于第一图像的第一图像特征和第二图像的第二图像特征，通过非线性插值，得到多个中间图像特征，基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频。其中，目标视频用于展现从第一图像渐变至第二图像的过程。真实的视频画面的变化过程为非线性变化，因此，相较于线性插值方式，本公开实施例采用非线性插值，提高了中间图像特征的质量，提高了目标视频的中间帧的质量，使得目标视频的视频画面呈现非线性变化，更具真实性、美观性。其中，提高中间图像特征的质量包括：提高中间图像特征的真实性、提高中间图像与第一图像和第二图像的相似度。提高目标视频的中间帧的质量包括：提高了中间帧的美观性和真实性、提高了中间帧与第一图像和第二图像的相似度。
参考图1，图1为本公开实施例适用的应用场景的示意图。
如图1所示，在该应用场景中，涉及的设备包括视频生成设备101，其中，视频生成设备101可以为终端或者服务器，图1以视频生成设备101为服务器为例。在视频生成设备101上，可对两张图像进行处理，生成用于展示两张图像之间渐变效果的视频。
可选的，该应用场景涉及的设备还包括图像采集设备102，其中，图像采集设备102也可以为终端或者服务器，例如，终端采集用户输入的图像，或者终端通过摄像头采集当前场景下的图像，又如，服务器从网络上采集在网络上公开并允许公众使用的图像。其中，图1以图像采集设备102为终端为例。图像采集设备102将采集的图像发送至视频生成设备101，由视频生成设备101生成用于展示由采集的图像渐变至另一图像(来自图像采集设备102或者来自其他设备)的视频，或者另一图像渐变至采集的图像的视频。
其中，视频生成设备101与图像采集设备102可以为相同或不同设备。
视频生成设备101与图像采集设备102为相同设备时，例如：用户使用手机进行自拍，得到自拍头像，并在手机上选中另一张图像；手机基于用户的自拍头像和用户选中的图像生成视频，该视频的视频内容为从用户的自拍头像渐变至用户所选中的图像的过程。
视频生成设备101与图像采集设备102为不同设备时，例如：用户使用手机进行自拍，得到自拍头像，并在手机上选中另一张图像；手机将自拍图像和用户选中的图像发送至服务器，服务器生成视频并将该视频返回给手机，该视频的视频为从用户的自拍头像渐变至用户所选中的图像的过程。
其中，终端可以是个人数字处理(personal digital assistant，简称PDA)设备、手持设备(例如智能手机、平板电脑)、计算设备(例如个人电脑(personal computer，简称PC))、车载设备、可穿戴设备(例如智能手表、智能手环)、以及智能家居设备(例如智能显示设备)等。服务器可以是分布式服务器、集中式服务器、云服务器等。
下面，提供本公开的多个实施例。其中，本公开的多个实施例的执行主体可以为电子设备，电子设备可以为终端或者服务器。
参考图2，图2为本公开实施例提供的视频生成方法的流程示意图一。
如图2所示，该视频生成方法包括：
S201、在第一图像中，提取第一图像特征。
其中，第一图像可为用户输入的图像、来自其他设备的图像或者当前执行设备拍摄到的图像。例如，在当前执行设备为终端时，终端可获取用户输入的第一图像，或者获取终端上的摄像头拍摄的第一图像。又如，在当前执行设备为服务器时，服务器可接收终端发送的来自用户输入的第一图像。
其中，第一图像特征为第一图像的图像特征。
本实施例中，采用编码器对第一图像进行编码，得到第一图像特征，此时，第一图像特征具体指第一图像经过编码后得到的图像特征。
S202、根据第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，第二图像特征为第二图像的图像特征。
其中，第二图像与第一图像为不同图像。
其中，第二图像特征具体指第二图像经过编码后得到的图像特征。
一示例中，可预先存储多个图像和多个图像经过编码后得到的图像特征。从存储的多个图像的图像特征中，获取第二图像特征。一种方式中，可由用户在预先存储的多个图像中指定第二图像，从该多个图像的图像特征中，获取第二图像的图像特征，即第二图像特征；另一种方式中，可按预设顺序(例如图像存储顺序)或者随机在多个图像的图像特征中获取第二图像特征。
例如：响应于用户输入第一图像的操作，在终端上显示多个供用户选择的图像；用户在多个图像中选择第二图像，并在终端上输入生成从第一图像渐变至第二图像的视频的请求；终端响应于该请求，从预先存储的多个图像的图像特征中获取第二图像的图像特征，即第二图像特征。
又一示例中，可获取用户输入的、其他设备发送的或者当前执行设备拍摄的第二图像，对第二图像进行编码，得到第二图像特征。
本实施例中，在获得第二图像特征后，将第一图像特征和第二图像特征作为非线性插值过程中的两个已知量，采用预设的非线性插值方法，进行非线性插值，得到插值函数，即得到插值曲线。在插值曲线上，在第一图像特征所对应的点与第二图像特征所对应的点之间进行采样，得到多个中间图像特征。其中，中间图像特征用于生成视频的中间帧。
可选的，在插值曲线上进行等间隔采样，使得插值得到的相邻中间图像特征之间的变化程度相近，提高后续生成的视频的质量。
S203、基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，目标视频用于展现从第一图像渐变至第二图像的过程。
其中，图像生成模型可为用于图像生成或者图像重建的神经网络，其输入数据为编码后的图像特征，其输出数据为重建图像。可以采用网络上公开的训练好的图像生成模型，也可以通过训练数据(包括多个训练图像)对神经网络进行训练，得到图像生成模型，对该模型的训练过程不做限制。
本实施例中，在得到多个中间图像特征后，可将第一图像特征、第二图像特征和多个中间图像特征分别输入至图像生成模型，得到第一图像特征对应的重建图像、第二图像特征对应的重建图像和各中间图像特征分别对应的重建图像。可按照第一图像特征、第二图像特征和中间图像特征在插值曲线上的分布顺序，对该多个重建图像进行排序组合，得到目标视频。其中，在目标视频中，第一帧图像为第一图像特征对应的重建图像，最后一帧图像为第二图像特征对应的重建图像，中间帧为中间图像特征对应的重建图像。
本公开实施例中，基于第一图像经编码得到的第一图像特征和第二图像经编码得到的第二图像特征，进行非线性插值，得到多个中间图像特征，基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，基于图像生成模型输出的重建图像。
因此，利用对两个图像经编码得到的图像特征进行非线性插值的方式，提高插值得到的中间图像特征的真实性和中间图像特征与两个原始图像的图像特征的相似度，进而提高视频的中间帧的真实性、美观性，提高了中间帧与第一帧图像和最后一帧图像的相似度，提高了视频质量。
关于图像生成模型，有以下一些可选的实施例：
在一些实施例中，图像生成模型为生成式对抗网络(Generative AdversarialNetworks，GAN)，从而，利用GAN在图像生成方面的优势，提高图像生成模型的图像重建质量，提高目标视频的图像帧的质量。
在一些实施例中，图像生成模型为风格生成式对抗网络(Style-BasedArchitecture for GANs，StyleGAN)模型或者StyleGAN2模型。从而，利用StyleGAN模型或者StyleGAN2模型在图像生成方面的优势，提高图像生成模型的图像重建质量，提高目标视频的图像帧的质量。
关于非线性插值过程，在一些实施例中，可采用图像生成模型的特征空间、神经网络来辅助非线性插值。后续，通过实施例对该辅助过程进行描述。
参照图3a，图3a为本公开实施例提供的视频生成方法的流程示例图二。如图3a所示，该视频生成方法包括：
S301、在第一图像中，提取第一图像特征。
其中，S301的实现原理和技术效果可参照前述实施例，不再赘述。
S302、根据第一图像特征和第二图像特征，生成第三图像特征，第二图像特征为第二图像的图像特征。
其中，第二图像特征的获取过程可参照前述实施例，不再赘述。
一示例中，确定第一图像特征与第二图像特征的平均值，该平均值即第三图像特征。具体的，可将第一图像特征与第二图像特征上相应位置的特征值相加后求平均，得到第一图像特征与第二图像特征的平均值。
又一示例中，对第一图像特征与第二图像特征进行加权求和，得到第三图像特征。其中，可预先设置第一图像特征、第二图像特征分别对应的权重。
S303、依次基于图像生成模型的特征空间和神经网络，调整第三图像特征，神经网络用于学习基于特征空间进行图像特征调整的偏差。
其中，图像生成模型的特征空间可理解为图像生成模型的输入空间，该输入空间中的特征样本符合一定的概率分布。
可选的，图像生成模型为生成式对抗网络时，图像生成模型的特征空间为图像生成模型对应的隐空间(latent space)，通过编码器对第一图像、第二图像进行编码所得到的图像特征为隐编码(Latent Code)，即第一图像特征可以称为第一隐编码，第二图像特征可称为第二隐编码。
本实施例中，在得到第三图像特征后，可先基于图像生成模型的特征空间中的特征样本，对第三图像特征进行调整，使得第三图像特征更靠近特征空间中的特征样本，以提高基于第三图像特征进行图像重建所得到的重建图像的图像质量，即提高中间帧的图像质量。
本实施例中，考虑到基于特征空间对第三图像特征进行的调整可能存在一定偏差，使得第三图像特征与第一图像特征、第二图像特征的相似度下降，因此，为解决该问题，在基于特征空间对第三图像特征进行调整后，通过神经网络模型，对第三图像特征进行再次调整，以提高第三图像特征与第一图像特征、第二图像特征的相似度。
其中，需要训练对神经网络进行训练，使得神经网络可以学习基于特征空间进行图像特征调整的偏差，具体训练过程参照后续实施例。
可选的，神经网络为全链接神经网络。从而，在神经网络的学习任务单一、输入数据和输出数据均为图像特征的情况下，通过网络参数较多的全链接神经网络，提高对第三图像特征进行调整的准确性。
在一种可能的实现方式中，参考图3b，图3b为本公开实施例提供的依次基于图像生成模型的特征空间和神经网络调整第三图像特征(即S303)的流程示意图。如图3b所示，依次基于图像生成模型的特征空间和神经网络调整第三图像特征的过程(即S303的一种可能的实现方式)包括：
S3031、获取特征空间中的平均图像特征；S3032、根据平均图像特征，对第三图像特征进行初步调整；S3033、将第一图像特征和第二图像特征，输入神经网络，得到神经网络的输出数据，输出数据反映初步调整的偏差；S3034、根据输出数据，对初步调整后的第三图像特征进行再次调整。
其中，神经网络的输出数据反映基于特征空间的平均图像特征对第三图像特征进行初步调整后产生的特征偏差。
本实施例中，可基于特征空间所符合的概率分布，确定特征空间中的平均图像特征。其中，特征空间所符合的概率例如高斯分布。在确定平均图像特征后，利用平均图像特征，对第三图像特征的初步调整，使得第三图像特征靠近该平均图像特征，提高第三图像特征的质量。再将第一图像特征和第二图像特征输入至神经网络，得到神经网络的输出数据，神经网络的输出数据也为图像特征。基于神经网络的输出数据，对初步调整后的第三图像特征进行再次调整，以使得第三图像特征靠近第一图像特征和第二图像特征，提高第三图像特征与第一图像特征、第二图像特征的相似度。
可选的，根据平均图像特征，对第三图像特征进行初步调整，包括：确定第三图像特征与平均图像特征的均值，确定初始调整后的第三图像为该均值。从而，通过求解第三图像特征与平均图像特征的均值的方式，实现对第三图像特征的特征裁剪(即初步调整)。
可选的，根据输出数据，对初步调整后的第三图像特征进行再次调整，包括：将输出数据与初步调整后的第三图像特征相加，得到再次调整后的第三图像特征。从而，通过在初步调整后的第三图像特征上加上神经网络学习到的初步调整过程中所带来的特征偏差的方式，提高第三图像特征与第一图像特征、第二图像特征的相似度。
S304、根据第一图像特征、第二图像特征和调整后的第三图像特征，进行非线性插值，得到多个中间图像特征。
本实施例中，在得到第一图像特征、第二图像特征和最终调整后的第三图像特征后，将第一图像特征、第二图像特征和第三图像特征作为三个已知量，通过非线性插值方式，得到插值曲线，在插值曲线上采样得到多个中间图像特征。从而，除第一图像特征和第二图像特征之外，在非线性插值过程中还利用到了质量较高且与第一图像特征和第二图像特征相似度较高的第三图像特征，有效地提高了非线性插值的准确性，提高了中间图像特征的质量。
在一种可能的实现方式，非线性插值方式采用三次样条插值(cubic splineinterpolation)。此时，S304包括：根据第一图像特征、第二图像特征和所述第三图像特征，通过三次样条插值得到插值曲线；在插值曲线上进行采样，得到多个中间图像特征。从而，利用三次样条插值，提高非线性插值的准确性，提高中间图像特征的质量。
具体的，可将第三图像特征与第一图像特征、第二图像特征一起输入至三次样条插值中，得到插值函数，即得到插值曲线。进而，在插值曲线上进行采样，得到多个中间图像特征。
S305、基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，目标视频用于展现从第一图像渐变至第二图像的过程。
其中，S305的实现原理和技术效果可参照前述实施例，不再赘述。
本公开实施例中，基于第一图像经编码得到的第一图像特征和第二图像经编码得到的第二图像特征，采用基于特征空间和神经网络的非线性插值，得到多个中间图像特征，有效地提高了非线性插值的准确性，进而提高了中间图像特征的质量，提高了视频的中间帧的图像质量，进而提高了视频质量。
作为示例的，参考图4，图4为本公开实施例提供的基于特征空间和神经网络的非线性插值的框架示例图。如图4所示，先确定隐编码1(此时相当于第一图像特征)和隐编码2(此时相当于第二图像特征)的平均值(此时相当于第三图像特征)，基于特征空间对该平均值进行裁剪，得到裁剪后的平均值(此时相当于初步调整的第三图像特征)；接着，将隐编码1和隐编码2输入神经网络，得到神经网络输出的特征偏差；接着，在裁剪后的平均值上加上该特征偏差(此时相当于得到再次调整后的第三图像特征)。如此，最后将隐编码1、隐编码2和该平均值用于样条插值，得到多个插值结果(即多个中间图像特征)。
需要说明的是，上述实施例提供了结合特征空间和神经网络对图像特征进行调整的方案，在实际应用中，也可以单独基于特征空间对图像特征进行调整，即忽视特征空间进行调整所带来的特征偏差。
在一些实施例中，为提高非线性插值效果，需要预先对神经网络进行训练，使得神经网络能够学习到基于图像生成模型的特征空间进行图像特征调整的偏差。下面，提供神经网络训练的实施例。
需要说明的是，神经网络的训练过程与前述实施例中的视频生成过程，可以在同一设备上执行，也可以在不同设备上执行。
参照图5，图5为本公开实施例提供的模型确定方法的流程示例图。如图5所示，该模型确定方法包括：
S501、根据多个训练图像和图像生成模型，训练神经网络，神经网络用于学习基于图像生成模型的特征空间进行图像特征调整的偏差。
其中，在神经网络的一次训练过程中，S501包括如下步骤：
S5011、根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征。
本实施例中，在每次训练过程中，可从多个训练图像中获取两个训练图像，为了便于区分，将两个训练图像分别称为第一训练图像和第二训练图像。可通过编码器对两个训练图像进行编码，得到第一训练图像的图像特征和第二训练图像的图像特征。对第一训练图像的图像特征和第二训练图像的图像特征进行特征融合处理，得到目标图像特征。
一示例中，对第一训练图像的图像特征和第二训练图像的图像特征进行特征融合处理，得到目标图像特征，包括：确定第一训练图像的图像特征与第二训练图像的图像特征的的平均值，该平均值即目标图像特征。具体的，可将第一训练图像的图像特征与第二训练图像的图像特征上相应位置的特征值相加后求平均，得到该平均值。
又一示例中，对第一训练图像的图像特征和第二训练图像的图像特征进行加权求和，得到目标图像特征。其中，可预先设置第一训练图像的图像特征、第二训练图像的图像特征分别对应的权重。
S5012、基于特征空间，对目标图像特征进行初步调整。
本实施例中，可基于特征空间所符合的概率分布，确定特征空间中的平均图像特征。利用该平均图像特征，对目标图像特征的初步调整，使得目标图像特征靠近该平均图像特征，提高目标图像特征的质量。
可选的，根据平均图像特征，对目标图像特征进行初步调整，包括：确定目标图像特征与平均图像特征的均值，确定初始调整后的第四图像为该均值。从而，通过求解目标图像特征与平均图像特征的均值的方式，实现对目标图像特征的特征裁剪(即初步调整)。
S5013、通过神经网络学习初步调整对应的目标偏差，并根据目标偏差，对初步调整后的目标图像特征进行再次调整。
本实施例中，将第一训练图像的图像特征和第二训练图像的图像特征输入至神经网络，得到神经网络的输出数据，即学习得到初步调整对应的目标偏差。基于神经网络学习得到的初步调整对应的目标偏差，对初步调整后的目标图像特征进行再次调整，以使得目标图像特征靠近第一训练图像的图像特征和第二训练图像的图像特征，即提高目标图像特征与第一训练图像的图像特征、第二训练图像的图像特征的相似度。
可选的，根据目标偏差，对初步调整后的目标图像特征进行再次调整，包括：将目标偏差与初步调整后的目标图像特征相加，得到再次调整后的目标图像特征。从而，通过在初步调整后的目标图像特征上加上神经网络学习到的初步调整过程中所产生的特征偏差的方式，提高目标图像特征与第一训练图像的图像特征、第二训练图像的图像特征的相似度。
S5014、根据目标偏差、再次调整后的目标图像特征、第一训练图像和第二训练图像，调整神经网络的模型参数。
本实施例中，可基于目标偏差、再次调整后的目标图像特征、第一训练图像和第二训练图像，确定神经网络的训练误差，基于该训练误差，调整神经网络的模型参数。例如，基于再次调整后的目标图像特征与第一训练图像的图像特征之间的差异、和/或再次调整后的目标图像特征与第二训练图像的图像特征之间的差异，确定训练误差。
一示例中，神经网络基于正则约束和相似度约束训练得到，正则约束用于最小化基于神经网络调整后的图像特征与基于特征空间调整后的图像特征(即初步调整后的目标图像特征)之间的差异，相似度约束用于最小化基于神经网络调整后的图像特征(即再次调整后的目标图像特征)与第一训练图像的图像特征、第二训练图像的图像特征之间的差异。
此时，S5014包括：通过正则约束和相似度约束，确定神经网络的目标优化函数；基于目标优化函数、目标偏差、再次调整后的目标图像特征、第一训练图像和第二训练图像，调整所述神经网络的模型参数。
具体的，可预先根据正则约束和相似度约束，确定神经网络的目标优化函数。在神经网络的训练过程中，基于目标偏差、第一训练图像和第二训练图像，确定目标优化函数的函数值，即神经网络的训练误差。基于该训练误差，对神经网络的模型参数进行优化。其中，优化算法例如为梯度下降算法。
具体的，由于前述实施例所提到的图像特征均为编码后的图像特征。为提高模型训练的准确性，可在得到再次调整后的目标图像特征后，将目标图像特征分别输入图像生成模型，得到中间重建图像(即目标图像特征所对应的重建图像)，再通过特征提取网络，分别对第一训练图像、第二训练图像和中间重建图像进行特征提取，得到第一训练图像的图像特征、第二训练图像的图像特征、中间重建图像的图像特征。例如，当第一训练图像、第二训练图像、中间重建图像均为人脸图像时，可采用人脸特征提取网络，对这些图像进行特征提取。接着，确定中间重建图像的图像特征与第一训练图像的图像特征(由特征提取网络所提取到的特征)的差异、中间重建图像的图像特征与第二训练图像的图像特征(由特征提取网络提取的特征)的差异，根据该两种差异以及根据神经网络的输出数据，确定训练误差。
一示例中，神经网络的目标优化函数可表示为：
minL＝||Φ(G(f(w1，w2)+w3))-Φ(x1)||2+||Φ(G(f(w1，w2)+w3))-Φ(x2)||2
+λ||f(w1，w2)||
其中，x1、x2分别表示第一训练图像、第二训练图像，w1表示第一训练图像编码后得到的图像特征，w2表示第二训练图像编码后得到的图像特征，w3表示目标图像特征，f()表示神经网络，G()表示图像生成模型，Φ()表示特征提取网络，λ为预设参数。
其中，||Φ(G(f(w1，w2)+w3))-Φ(x1)||2+||Φ(G(f(w1，w2)+w3))-Φ(x2)||2为相似度约束，λ||f(w1，w2)||为正则约束。
如此，重复执行上述步骤，对神经网络进行多次调整。
作为示例的，参考图6，图6为本公开实施例提供的神经网络的训练框架示意图。如图6所示，训练过程包括：先确定隐编码1(输入图像1经编码后得到的图像特征)与隐编码2(输入图像2经编码后得到的图像特征)的平均值；基于图像生成模型的特征空间，对该平均值进行特征裁剪(即进行初步调整)，得到裁剪后的平均值；接着，将隐编码1和隐编码2输入神经网络，根据神经网络输出的特征偏差，可以确定正则约束这部分的训练误差；接着，在裁剪后的平均值上加上神经网络输出的特征偏差，再将该平均值输入图像生成模型，得到重建图像；最后，通过特征网络确定该重建图像与输入图像1的特征差异、该重建图像与输入图像2的特征差异，基于该两种特征差异，确定相似度约束这部分的训练误差。如此，基于正则约束这部分的训练误差和相似度约束这部分的训练误差，调整神经网络的模型参数。
对应于上文实施例的视频生成方法，图7为本公开实施例提供的视频生成设备的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图7，视频生成设备包括：提取单元701和插值单元702。
提取单元701，用于在第一图像中，提取第一图像特征；
插值单元702，用于根据第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，第二图像特征为第二图像的图像特征；
视频生成单元703，用于基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，目标视频用于展现从第一图像渐变至第二图像的过程。
在一些实施例中，插值单元702还用于：根据第一图像特征和第二图像特征，生成第三图像特征；依次基于图像生成模型的特征空间和神经网络，调整第三图像特征，神经网络用于学习基于特征空间进行图像特征调整的偏差；根据第一图像特征、第二图像特征和调整后的第三图像特征，进行非线性插值，得到多个中间图像特征。
在一些实施例中，插值单元702还用于：获取特征空间中的平均图像特征；根据平均图像特征，对第三图像特征进行初步调整；将第一图像特征和第二图像特征，输入神经网络，得到神经网络的输出数据，输出数据反映初步调整的偏差；根据输出数据，对初步调整后的第三图像特征进行再次调整。
在一些实施例中，插值单元702还用于：确定第三图像特征与平均图像特征的均值；确定初步调整后的第三图像特征为均值。
在一些实施例中，神经网络基于正则约束和相似度约束训练得到，正则约束用于最小化基于神经网络调整后的图像特征与基于特征空间调整后的图像特征之间的差异，相似度约束用于最小化基于神经网络调整后的图像特征与第一训练图像的图像特征、第二训练图像的图像特征之间的差异。
在一些实施例中，插值单元702还用于：根据第一图像特征、第二图像特征和第三图像特征，通过三次样条插值得到插值曲线；在插值曲线上进行采样，得到多个中间图像特征。
在一些实施例中，图像生成模型为StyleGAN模型或者StyleGAN2模型。
本实施例提供的视频生成设备，可用于执行上述与视频生成方法相关的实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
对应于上文实施例的模型确定方法，图8为本公开实施例提供的模型确定设备的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图8，模型确定设备包括：训练单元801。
训练单元801，用于根据多个训练图像和图像生成模型，训练神经网络，神经网络用于学习基于图像生成模型的特征空间进行图像特征调整的偏差。
其中，神经网络的一次训练过程包括：根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；基于特征空间，对目标图像特征进行初步调整；通过神经网络学习初步调整对应的目标偏差，并根据目标偏差，对初步调整后的目标图像特征进行再次调整；根据目标偏差、再次调整后的目标图像特征、第一训练图像和第二训练图像，调整神经网络的模型参数。
在一些实施例中，训练单元801还用于：通过正则约束和相似度约束，确定神经网络的目标优化函数；基于目标优化函数、目标偏差、再次调整后的目标图像特征、第一训练图像和第二训练图像，调整神经网络的模型参数；其中，正则约束用于最小化再次调整后的目标图像特征与初步调整后的目标图像特征之间的差异，相似度约束用于最小化再次调整后的目标图像特征与第一训练图像的图像特征、第二训练图像的图像特征之间的差异。
本实施例提供的模型确定设备，可用于执行上述与模型确定方法相关的实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
参考图9，其示出了适于用来实现本公开实施例的电子设备900的结构示意图，该电子设备900可以为终端设备或服务器。其中，终端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、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable MediaPlayer，简称PMP)、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9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9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(Read Only Memory，简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random Access Memory，简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，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909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM902被安装。在该计算机程序被处理装置901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，使得该电子设备执行上述实施例所示的方法。
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(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称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，获取单元还可以被描述为“获取目标音频的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
第一方面，根据本公开的一个或多个实施例，提供了一种视频生成方法，包括：在第一图像中，提取第一图像特征；根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
根据本公开的一个或多个实施例，所述根据所述第一图像特征和第二图像特征，通过非线性插值，得到多个中间图像特征，包括：根据所述第一图像特征和所述第二图像特征，生成第三图像特征；依次基于所述图像生成模型的特征空间和神经网络，调整所述第三图像特征，所述神经网络用于学习基于所述特征空间进行图像特征调整的偏差；根据所述第一图像特征、所述第二图像特征和调整后的第三图像特征，进行非线性插值，得到所述多个中间图像特征。
根据本公开的一个或多个实施例，所述依次基于所述图像生成模型的特征空间和神经网络，调整所述第三图像特征，所述神经网络用于学***均图像特征；根据所述平均图像特征，对所述第三图像特征进行初步调整；将所述第一图像特征和所述第二图像特征，输入所述神经网络，得到所述神经网络的输出数据，所述输出数据反映所述初步调整的偏差；根据所述输出数据，对初步调整后的第三图像特征进行再次调整。
根据本公开的一个或多个实施例，所述根据所述平均图像特征，对所述第三图像特征进行初步调整，包括：确定所述第三图像特征与所述平均图像特征的均值；确定所述初步调整后的第三图像特征为所述均值。
根据本公开的一个或多个实施例，所述神经网络基于正则约束和相似度约束训练得到，所述正则约束用于最小化基于所述神经网络调整后的图像特征与基于所述特征空间调整后的图像特征之间的差异，所述相似度约束用于最小化基于所述神经网络调整后的图像特征与第一训练图像的图像特征、第二训练图像的图像特征之间的差异。
根据本公开的一个或多个实施例，所述基于所述第一图像特征、所述第二图像特征和所述第三图像特征，进行非线性插值，得到所述多个中间图像特征，包括：根据所述第一图像特征、所述第二图像特征和所述第三图像特征，通过三次样条插值得到插值曲线；在所述插值曲线上进行采样，得到所述多个中间图像特征。
根据本公开的一个或多个实施例，所述图像生成模型为StyleGAN模型或者StyleGAN2模型。
第二方面，根据本公开的一个或多个实施例，提供了一种模型确定方法，包括：根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差。其中，所述神经网络的一次训练过程包括：根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；基于所述特征空间，对所述目标图像特征进行初步调整；通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
根据本公开的一个或多个实施例，所述根据所述目标偏差、再次调整后的目标图像特征和所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数，包括：通过正则约束和相似度约束，确定所述神经网络的目标优化函数；基于所述目标优化函数、所述目标偏差、所述再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数；其中，所述正则约束用于最小化所述再次调整后的目标图像特征与所述初步调整后的目标图像特征之间的差异，所述相似度约束用于最小化所述再次调整后的目标图像特征与所述第一训练图像的图像特征、所述第二训练图像的图像特征之间的差异。
第三方面，根据本公开的一个或多个实施例，提供一种视频生成设备，包括：提取单元，用于在第一图像中，提取第一图像特征；插值单元，用于根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；视频生成单元，用于基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
第四方面，根据本公开的一个或多个实施例，提供一种模型确定设备，包括：训练单元，用于根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差。其中，在所述神经网络的一次训练过程中，训练模块用于：根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；基于所述特征空间，对所述目标图像特征进行初步调整；通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
第五方面，根据本公开的一个或多个实施例，提供了一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面或第一方面各种可能的设计所述的视频生成方法，或者，使得所述至少一个处理器执行如上第二方面或第二方面各种可能的设计所述的模型确定方法。
第六方面，根据本公开的一个或多个实施例，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面或第一方面各种可能的设计所述的视频生成方法，或者，实现如上第二方面或第二方面各种可能的设计所述的模型确定方法。
第七方面，根据本公开的一个或多个实施例，提供了一种计算机程序产品，所述计算机程序产品包含计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面或第一方面各种可能的设计所述的视频生成方法，或者，实现如第二方面或第二方面各种可能的设计所述的模型确定方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种视频生成方法，包括：
在第一图像中，提取第一图像特征；
根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；
基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
2.根据权利要求1所述的视频生成方法，所述根据所述第一图像特征和第二图像特征，通过非线性插值，得到多个中间图像特征，包括：
根据所述第一图像特征和所述第二图像特征，生成第三图像特征；
依次基于所述图像生成模型的特征空间和神经网络，调整所述第三图像特征，所述神经网络用于学习基于所述特征空间进行图像特征调整的偏差；
根据所述第一图像特征、所述第二图像特征和调整后的第三图像特征，进行非线性插值，得到所述多个中间图像特征。
3.根据权利要求2所述的视频生成方法，所述依次基于所述图像生成模型的特征空间和神经网络，调整所述第三图像特征，所述神经网络用于学习基于所述特征空间进行图像特征调整的偏差，包括：
获取所述特征空间中的平均图像特征；
根据所述平均图像特征，对所述第三图像特征进行初步调整；
将所述第一图像特征和所述第二图像特征，输入所述神经网络，得到所述神经网络的输出数据，所述输出数据反映所述初步调整的偏差；
根据所述输出数据，对初步调整后的第三图像特征进行再次调整。
4.根据权利要求3所述的视频生成方法，所述根据所述平均图像特征，对所述第三图像特征进行初步调整，包括：
确定所述第三图像特征与所述平均图像特征的均值；
确定所述初步调整后的第三图像特征为所述均值。
5.根据权利要求2至4任一项所述的视频生成方法，所述神经网络基于正则约束和相似度约束训练得到，所述正则约束用于最小化基于所述神经网络调整后的图像特征与基于所述特征空间调整后的图像特征之间的差异，所述相似度约束用于最小化基于所述神经网络调整后的图像特征与第一训练图像的图像特征、第二训练图像的图像特征之间的差异。
6.根据权利要求2至4任一项所述的视频生成方法，所述基于所述第一图像特征、所述第二图像特征和所述第三图像特征，进行非线性插值，得到所述多个中间图像特征，包括：
根据所述第一图像特征、所述第二图像特征和所述第三图像特征，通过三次样条插值得到插值曲线；
在所述插值曲线上进行采样，得到所述多个中间图像特征。
7.根据权利要求2至4任一项所述的视频生成方法，所述图像生成模型为StyleGAN模型或者StyleGAN2模型。
8.一种模型确定方法，包括：
根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；
其中，所述神经网络的一次训练过程包括：
根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；
基于所述特征空间，对所述目标图像特征进行初步调整；
通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；
根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
9.根据权利要求8所述的模型确定方法，其特征在于，所述根据所述目标偏差、再次调整后的目标图像特征和所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数，包括：
通过正则约束和相似度约束，确定所述神经网络的目标优化函数；
基于所述目标优化函数、所述目标偏差、所述再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数；
其中，所述正则约束用于最小化所述再次调整后的目标图像特征与所述初步调整后的目标图像特征之间的差异，所述相似度约束用于最小化所述再次调整后的目标图像特征与所述第一训练图像的图像特征、所述第二训练图像的图像特征之间的差异。
10.一种视频生成设备，包括：
提取单元，用于在第一图像中，提取第一图像特征；
插值单元，用于根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；
视频生成单元，用于基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。
11.一种模型确定设备，包括：
训练单元，用于根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；
其中，所述神经网络的一次训练过程包括：
根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；
基于所述特征空间，对所述目标图像特征进行初步调整；
通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；
根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。
12.一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的视频生成方法，或者，使得所述至少一个处理器执行如权利要求8或9所述的模型确定方法。
13.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的视频生成方法，或者，实现如权利要求8或9所述的模型确定方法。
14.一种计算机程序产品，所述计算机程序产品包含计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的视频生成方法，或者，实现如权利8或9所述的模型确定方法。
CN202111609441.8A 2021-12-24 2021-12-24 视频生成方法及设备 Pending CN114255169A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111609441.8A CN114255169A (zh) 2021-12-24 2021-12-24 视频生成方法及设备
PCT/SG2022/050927 WO2023121571A2 (zh) 2021-12-24 2022-12-22 视频生成方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111609441.8A CN114255169A (zh) 2021-12-24 2021-12-24 视频生成方法及设备

Publications (1)

Publication Number Publication Date
CN114255169A true CN114255169A (zh) 2022-03-29

Family

ID=80797847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111609441.8A Pending CN114255169A (zh) 2021-12-24 2021-12-24 视频生成方法及设备

Country Status (2)

Country Link
CN (1) CN114255169A (zh)
WO (1) WO2023121571A2 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10614347B2 (en) * 2018-01-25 2020-04-07 Adobe Inc. Identifying parameter image adjustments using image variation and sequential processing
CN109905624B (zh) * 2019-03-01 2020-10-16 北京大学深圳研究生院 一种视频帧插值方法、装置及设备

Also Published As

Publication number Publication date
WO2023121571A2 (zh) 2023-06-29
WO2023121571A3 (zh) 2023-09-21

Similar Documents

Publication Publication Date Title
WO2020064990A1 (en) Committed information rate variational autoencoders
CN112419151B (zh) 图像退化处理方法、装置、存储介质及电子设备
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN113449851A (zh) 数据处理方法及设备
CN112419179B (zh) 修复图像的方法、装置、设备和计算机可读介质
CN111883107A (zh) 语音合成、特征提取模型训练方法、装置、介质及设备
CN115481283A (zh) 音视频特征提取方法、装置、电子设备及计算机可读存储介质
US20230237713A1 (en) Method, device, and computer program product for generating virtual image
CN111246196A (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
CN117835001A (zh) 视频编辑方法、装置、设备和介质
CN118071428A (zh) 用于多模态监测数据的智能处理***及方法
CN114418835B (zh) 图像处理方法、装置、设备及介质
CN114255169A (zh) 视频生成方法及设备
CN114066722B (zh) 用于获取图像的方法、装置和电子设备
CN115941966A (zh) 一种视频压缩方法及电子设备
CN110264431A (zh) 视频美化方法、装置及电子设备
CN113488083B (zh) 数据匹配方法、装置、介质及电子设备
CN112070888B (zh) 图像生成方法、装置、设备和计算机可读介质
CN114596203A (zh) 用于生成图像和用于训练图像生成模型的方法和装置
CN111369429B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN113905177A (zh) 视频生成方法、装置、设备及存储介质
CN116188254A (zh) 基于傅里叶域的超分图像处理方法、装置、设备及介质
CN113395539A (zh) 音频降噪方法、装置、计算机可读介质和电子设备
CN116309151B (zh) 图片去压缩失真网络的参数生成方法、装置和存储介质
CN115937338B (zh) 图像处理方法、装置、设备及介质

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