CN115147526A - 服饰生成模型的训练、生成服饰图像的方法和装置 - Google Patents

Abstract

本公开提供了服饰生成模型的训练、生成服饰图像的方法和装置，涉及人工智能技术领域，具体为增强现实AR、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙等场景。具体实现方案为：获取服饰图像的样本并训练形状编码器和纹理编码器；分别通过形状编码器和纹理编码器得到的形状特征和纹理特征中分别选择一部分进行拼接，得到拼接特征；将拼接特征输入预训练模型，输出虚拟服饰图像；基于原始图像和虚拟服饰图像之间的差异调整形状编码器、纹理编码器和预训练模型的相关参数；基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。通过该实施方式能够得到一种可以生成指定款式的服饰图像的模型。

Description

服饰生成模型的训练、生成服饰图像的方法和装置

技术领域

本公开涉及人工智能技术领域，具体为增强现实AR、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙等场景，具体为一种服饰生成模型的训练、生成服饰图像的方法和装置。

背景技术

近年来，随着计算机技术的迅速发展，图像处理技术应用于各方面。例如，卡通虚拟形象服饰个性化重建。需要根据拍摄的真人照片生成2D卡通虚拟形象服饰部件，要求生成的服饰满足给定模板形状，并且和原照片服饰保持较高相似度。

相关技术生成的服饰图像形状和纹理不受控制，无法实现特定款式形状和纹理的服饰图像高相似度重建。

发明内容

本公开提供了一种训练服饰图像生成模型、生成服饰图像的方法、装置、设备、存储介质以及计算机程序产品。

根据本公开的第一方面，提供了一种服饰生成模型的训练方法，包括：获取服饰的样本图像，其中，所述样本图像包括原始图像、形状掩码图像和纹理图像；基于所述形状掩码图像对第一生成模型进行训练，其中，所述第一生成模型包括预训练模型和形状编码器；基于所述纹理图像对第二生成模型进行训练，其中，所述第二生成模型包括预训练模型和纹理编码器；将所述样本图像分别通过所述形状编码器和所述纹理编码器得到形状特征和纹理特征，从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征；基于所述拼接特征，通过所述预训练模型获得虚拟服饰图像；基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数；基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

根据本公开的第二方面，提供了一种生成服饰图像的方法，包括：获取形状图像和纹理图像；将所述形状图像和所述纹理图像输入采用如第一方面所述的方法生成的服饰生成模型中，生成指定款式的服饰图像。

根据本公开的第三方面，提供了一种服饰生成模型的训练装置，包括：获取单元，被配置成获取服饰的样本图像，其中，所述样本图像包括原始图像、形状掩码图像和纹理图像；第一训练单元，被配置成所述基于所述形状掩码图像对第一生成模型进行训练，其中，所述第一生成模型包括预训练模型和形状编码器；第二训练单元，被配置成所述基于所述纹理图像对第二生成模型进行训练，其中，所述第二生成模型包括预训练模型和纹理编码器；拼接单元，被配置成将所述样本图像分别通过所述形状编码器和所述纹理编码器得到形状特征和纹理特征，从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征；预测单元，被配置成基于所述拼接特征，通过所述预训练模型获得虚拟服饰图像；第三训练单元，被配置成基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数；输出单元，被配置成基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

根据本公开的第四方面，提供了一种生成服饰图像的装置，包括：获取单元，被配置成获取形状图像和纹理图像；生成单元，被配置成将所述形状图像和所述纹理图像输入采用如第三方面所述的装置生成的服饰生成模型中，生成指定款式的服饰图像。

根据本公开的第五方面，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第一方面或第二方面所述的方法。

根据本公开的第六方面，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第一方面或第二方面所述的方法。

根据本公开的第七方面，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第一方面或第二方面所述的方法。

本申请提出了一种基于形状和纹理编码融合控制的2D服饰图像生成技术，给定服饰款式形状和纹理图像可以重建出给定款式形状的、和输入的纹理高相似度的、高质量且整齐的服饰图像，实现了服饰款式形状和纹理可控制的2D服饰图像编辑生成。本文提出的技术可以用于2D虚拟形象的服饰部件(短袖、长袖、长裤、短裤、裙子等)高质量重建生成，以及批量2D服饰设计和创作。另外，本文提出的技术可以用于2D虚拟试衣解决方案中，可以把服饰穿在任意姿态模特身体上，具有广泛的应用场景和商业价值。

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是本申请的一个实施例可以应用于其中的示例性***架构图；

图2是根据本申请的服饰生成模型的训练方法的一个实施例的流程图；

图3是根据本申请的服饰生成模型的训练方法的应用场景的示意图；

图4是根据本申请的生成服饰图像的方法的一个实施例的流程图；

图5是根据本申请的服饰生成模型的训练装置的一个实施例的结构示意图；

图6是根据本申请的生成服饰图像的装置的一个实施例的结构示意图；

图7是根据本申请实施例的服饰生成模型的训练和生成服饰图像的方法的电子设备的框图。

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。

图1示出了可以应用本申请实施例的服饰生成模型的训练方法、服饰生成模型的训练装置、生成服饰图像的方法或生成服饰图像的装置的示例性***架构100。

如图1所示，***架构100可以包括终端101、102，网络103、数据库服务器104和服务器105。网络103用以在终端101、102，数据库服务器104与服务器105之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户110可以使用终端101、102通过网络103与服务器105进行交互，以接收或发送消息等。终端101、102上可以安装有各种客户端应用，例如模型训练类应用、服饰图像编辑类应用、虚拟试衣类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。

这里的终端101、102可以是硬件，也可以是软件。当终端101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

当终端101、102为硬件时，其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备，如摄像头、传感器等等。用户110可以利用终端101、102上的图像采集设备，来采集一些服饰图像。

数据库服务器104可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有大量的样本。其中，样本可以包括原始图像、形状掩码图像和纹理图像。这样，用户110也可以通过终端101、102，从数据库服务器104所存储的样本集中选取样本。

服务器105也可以是提供各种服务的服务器，例如对终端101、102上显示的各种应用提供支持的后台服务器。后台服务器可以利用终端101、102发送的样本集中的样本，对初始模型进行训练，并可以将训练结果(如生成的服饰生成模型)发送给终端101、102。这样，用户可以应用生成的服饰生成模型进行服饰设计，生成指定形状和纹理的服饰图像。

这里的数据库服务器104和服务器105同样可以是硬件，也可以是软件。当它们为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当它们为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的服饰生成模型的训练方法或生成服饰图像的方法一般由服务器105执行。相应地，服饰生成模型的训练装置或生成服饰图像的装置一般也设置于服务器105中。

需要指出的是，在服务器105可以实现数据库服务器104的相关功能的情况下，***架构100中可以不设置数据库服务器104。

应该理解，图1中的终端、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、数据库服务器和服务器。

继续参见图2，其示出了根据本申请的服饰生成模型的训练方法的一个实施例的流程200。该服饰生成模型的训练方法可以包括以下步骤：

步骤201，获取服饰的样本图像。

在本实施例中，服饰生成模型的训练方法的执行主体(例如图1所示的服务器)可以通过多种方式来获取样本图像集。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的现有的样本图像集。再例如，用户可以通过终端(例如图1所示的终端101、102)来收集样本图像。这样，执行主体可以接收终端所收集的样本图像，并将这些样本图像存储在本地，从而生成样本图像集。

在这里，样本图像集中可以包括至少一个样本图像。其中，样本图像包括原始图像、形状掩码图像和纹理图像。从样本图像集中选取样本图像，执行步骤202-207，其中，样本图像的选取方式和选取数量在本申请中并不限制。例如可以是随机选取至少一个样本图像，也可以是从中选取清晰度较好(即像素较高)的样本图像。

原始图像是包括服饰的彩色图像。形状掩码图像是服饰轮廓的黑白图像，也称作形状mask。可通过图像语义分割等算法从原始图像中提取服饰形状mask。纹理图像是包括服饰纹理和颜色的彩色图像，例如白底蓝花的纹理图像。纹理图像可以是从原始图像中随意裁剪出的服饰片段，纹理图像的形状可以是任意的形状。纹理图像也可以是将原始图像随意遮挡后的图像，用于模拟用户手臂遮挡服饰纹理，形成了残缺纹理图像。

步骤202，基于形状掩码图像对第一生成模型进行训练。

在本实施例中，第一生成模型包括预训练模型和形状编码器。形状编码器是一种卷积神经网络，用于提取图像的形状特征。形状编码器的每一层都输出形状特征。预训练模型可以是GAN的生成器。预训练模型的训练过程如下：获取服饰真图(服饰GT)作为真值标签；随机生成一些向量，输入生成器，输出预测图像，然后由判别器判断预测图像和服饰真图的真假，交替调整生成器和判别器的参数，最终得到生成器作为预训练模型。

形状编码器的训练过程如下：可通过第一生成模型中的形状编码器提取出样本中的形状掩码图像的形状特征，然后输入第一生成模型中的预训练模型，输出预测的服饰图像。再对预测的服饰图像进行图像语义分割，得到分割图像。然后计算分割图像与形状掩码图像的相似度，如果相似度小于预定值，则调整形状编码器的相关参数。相似度的计算方法可采用现有技术常用方法，不限于余弦距离、欧氏距离等。训练形状编码器的过程中可以固定预训练模型的相关参数，也可同时调整预训练模型和形状编码器的相关参数。

调整完形状编码器的相关参数后重新选择样本，再次执行上述训练过程，直到相似度大于预定值。

步骤203，基于纹理图像对第二生成模型进行训练。

在本实施例中，第二生成模型包括预训练模型和纹理编码器。纹理编码器是一种卷积神经网络，用于提取图像的纹理特征。纹理编码器的每一层都输出纹理特征。纹理编码器和形状编码器的层数可以相同也可以不同。

纹理编码器的训练过程如下：可通过第二生成模型中的纹理编码器提取出样本中的形状掩码图像的形状特征，然后输入第二生成模型中的预训练模型，输出预测的服饰图像。再计算预测的服饰图像和纹理图像的相似度，如果相似度小于预定值，则调整纹理编码器的相关参数。相似度的计算方法可采用现有技术常用方法，不限于余弦距离、欧氏距离等，可从像素损失和感知损失两个方面衡量两个图像的相似度。训练纹理编码器的过程中可以固定预训练模型的相关参数，也可同时调整预训练模型和纹理编码器的相关参数。

调整完纹理编码器的相关参数后重新选择样本，再次执行上述训练过程，直到相似度大于预定值。

步骤204，将样本图像分别通过形状编码器和纹理编码器得到形状特征和纹理特征，从形状特征和纹理特征中分别选择一部分进行拼接，得到拼接特征。

在本实施例中，在形状编码器和纹理编码器的训练过程中会得到多层的形状特征和纹理特征。可从多层形状特征中选择第一数量层数的形状特征，从多层纹理特征中选择第二数量层数的纹理特征，第一数量和第二数量之和等于预训练模型的输入层数。例如，选择8层形状特征和10层纹理特征，拼接成18层拼接特征。或者各选择9层特征。

步骤205，基于拼接特征，通过预训练模型获得虚拟服饰图像。

在本实施例中，预训练模型是GAN的生成器，可通过拼接特征预测出虚拟服饰图像。

步骤206，基于原始图像和虚拟服饰图像之间的差异调整形状编码器、纹理编码器和预训练模型的相关参数。

在本实施例中，可通过多种方式计算样本的原始图像和虚拟服饰图像之间的差异，可通过常见计算图像相似度的方法计算相似度。若相似度小于预定相似度阈值，则调整形状编码器、纹理编码器和预训练模型一共3个模型的相关参数，使得原始图像和虚拟服饰图像之间的差异变小，直到收敛到预定相似度阈值。

步骤207，基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

在本实施例中，若样本的原始图像和虚拟服饰图像之间的差异小于预定值，或相似度大于预定相似度阈值，则表明形状编码器、纹理编码器和预训练模型训练完成。可以一起组成服饰生成模型。可将服饰生成模型发布到服务器或终端设备中。

本申请提供的实施例，解决了指定形状和纹理的2D高精服饰图像生成的技术问题。本申请提出的技术方案可以分为三个阶段，第一个阶段是先训练一个服饰生成器模型，可以生成非特定的任意形状和纹理的服饰图像，第二阶段分别训练一个形状编码器模型和纹理编码器模型，第三个阶段把形状编码器模型编码和纹理编码器模型编码进行融合，喂给服饰生成器模型来生成符合给定形状和纹理的2D服饰图像。

本文提出的技术方案解决了形状和纹理约束条件下服饰图像生成的问题，可以基于单张照片输入生成2D高质量卡通虚拟形象服饰部件，还可以实现2D服饰数字资产批量生产创作。而且本文提出的技术可以用于2D虚拟试衣解决方案中，具有广泛的应用场景。

在本实施例的一些可选的实现方式中，基于所述形状掩码图像和预训练模型训练形状编码器，包括：将所述形状掩码图像输入形状编码器，得到形状特征；将所述形状特征输入预训练模型生成预测服饰图像；对所述预测服饰图像进行图像语义分割，得到分割掩码图；基于所述分割掩码图和所述形状掩码图像的形状损失调整所述形状编码器的相关参数，其中，在训练形状编码器过程中预训练模型的相关参数固定不变。这里的形状损失即距离L1损失。图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环，也是AI领域中一个重要的分支。语义分割即是对图像中每一个像素点进行分类，确定每个点的类别(如属于背景、人或车等)，从而进行区域划分。可通过现有技术常见的语义分割模型对虚拟服饰图像进行图像语义分割，得到的分割掩码图中可显示出服饰的轮廓，但显示不了颜色、纹理。从而可以提高训练出的模型生成的服饰的形状和纹理的准确性。

在本实施例的一些可选的实现方式中，该方法还包括：将所述预测服饰图像输入所述预训练模型的判别器，得到判别结果；基于判别结果调整所述形状编码器的相关参数。预训练模型是GAN的生成器，GAN还对应着判别器。判别器用于鉴别输入的服饰图像是否是生成的假图。判别结果为真图的概率。根据判别结果和实际输入的图像(1为真图，0为假图)计算判别损失。判别损失的计算采用现有技术，因此不再赘述。通过判别损失调整形状编码器的相关参数。使得判别器无法鉴别图的真假。

在本实施例的一些可选的实现方式中，基于所述纹理图像和预训练模型训练纹理编码器，包括：将所述纹理图像输入纹理编码器，得到纹理特征；将所述纹理特征输入预训练模型生成预测服饰图像；基于所述预测服饰图像和所述纹理图像的2D距离损失和感知损失调整纹理编码器的相关参数，其中，在训练纹理编码器过程中预训练模型的相关参数固定不变。2D距离损失即L2损失。学习感知图像块相似度(Learned Perceptual Image PatchSimilarity,LPIPS)也称为“感知损失”(perceptual loss)，用于度量两张图像之间的差别。通过引入感知损失能够提高计算图像差异性的准确性，从而生成更加准确的服饰生成模型。

在本实施例的一些可选的实现方式中，所述从所述样本分别通过所述形状编码器和所述纹理编码器得到的形状特征和纹理特征中各选择一部分进行拼接，得到拼接特征，包括：从所述形状编码器输出的特征中选择一半预定层数的低层特征；从所述纹理编码器输出的特征中选择一半预定层数的高层特征；将所述低层特征和高层特征拼接成预定层数的拼接特征。预训练模型的输入层的数量为预定层数，可从形状特征和纹理特征中各选择出一半预定层数的特征。假设一共18层，则选择1-8层的形状特征和9-18层的纹理特征进行拼接。其它层的特征被舍弃不用。这是因为低层的形状特征就已经可以很好的表达形状了，而纹理特征需要高层的特征才能更好的表达。因此，低层形状特征+高层纹理特征的组合方式能够更准确的表征样本的特征，从而训练出精确的服饰生成模型，提高生成的服饰图像的形状、纹理与指定形状和纹理的相似性。

在本实施例的一些可选的实现方式中，所述基于所述样本的原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数，包括：计算所述样本的原始图像和所述虚拟服饰图像之间的2D距离损失；计算所述样本的原始图像和所述虚拟服饰图像之间的感知损失；将所述2D距离损失和所述感知损失的加权和作为第一损失值；若第一损失值大于等于第一预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。2D距离损失即L2损失。学习感知图像块相似度(Learned Perceptual Image Patch Similarity,LPIPS)也称为“感知损失”(perceptualloss)，用于度量两张图像之间的差别。通过引入感知损失能够提高计算图像差异性的准确性，从而生成更加准确的服饰生成模型。

在本实施例的一些可选的实现方式中，所述方法还包括：对所述虚拟服饰图像进行图像语义分割，得到分割掩码图；计算所述分割掩码图和所述样本的形状掩码图像之间的距离L1损失；将所述距离L1损失、所述2D距离损失和所述感知损失的加权和作为第二损失值；若第二损失值大于等于第二预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。通过三种损失来计算总的损失，既能保证形状的相似度，又能保证纹理的相似度，从而生成更加准确的服饰生成模型。

在本实施例的一些可选的实现方式中，所述获取服饰图像的样本，包括：获取服饰图像的原始图像；将所述原始图像进行图像语义分割，得到形状掩码图像；将所述原始图像进行随机遮挡，得到纹理图像；将所述原始图像与对应的形状掩码图像和纹理图像组合成一个样本。这种方式获得的纹理图像是残缺纹理图像，因此生成的服饰生成模型可以修复残缺纹理，得到完整的服饰图像，例如，训练样本中的纹理图像被胳膊遮住了一部分纽扣(例如一共5颗，被挡住2颗)，则通过服饰生成模型可以生成全部纽扣的服饰图像。

在本实施例的一些可选的实现方式中，所述预训练模型为生成式对抗网络的生成器，所述形状编码器和所述纹理编码器为层数相同的卷积神经网络。可采用StyleGAN中的生成器作为预训练模型。这样的网络结构方便构建和训练，并且性能良好。

继续参见图3，图3是根据本实施例的训练服饰生成模型的方法的应用场景的一个示意图。在图3的应用场景中，服饰生成模型包括形状编码器、纹理编码器、生成器。其中生成器是基于StyleGAN网络在服饰数据集训练得到一个预训练模型。具体训练过程如下：

1、首先，收集大量的2D服饰图像数据，并进行尺度对齐处理；

2、然后，对对齐后的2D服饰图像进行服饰图像分割，提取服饰形状Mask，得到形状掩码图像；

3、第一阶段训练：基于大量对齐处理的服饰图片训练一个StyleGAN服饰图像生成器(512*512分辨率)，得到一个预训练模型；

4、第二阶段训练：加入形状编码器和StyleGAN服饰图像生成器单独训练一个形状编码器模型；加入纹理编码器和StyleGAN服饰图像生成器单独训练一个纹理编码器模型(其中StyleGAN服饰生成器在两个编码器训练中都是冻结的，即不参与两个编码器训练，只作为服饰生成器分别来训练形状编码器和纹理编码器)；

5、第三个阶段训练：加入形状编码器和纹理编码器，并把两个编码器输出进行融合(融合比例为7：11，取形状特征的1-7层，取纹理特征的8-18层)，作为StyleGAN生成器输入，进行端到端的训练(其中StyleGAN服饰生成器在该阶段是参与权重训练的，和两个编码器一起进行finetune微调训练)；

6、1)第一阶段训练损失函数是通用的StyleGAN相应的GAN损失函数；

2)第二阶段训练中，形状编码器损失函数包括两个，一个是GAN判别损失，一个是形状损失(输入Mask和生成服饰图像分割得到的Mask距离L1损失)；纹理编码器损失函数包括两个，一个是像素级损失(服饰GT和生成的服饰图像之间2D距离损失)，第二个是LPIPS服饰感知损失(服饰GT和生成服饰图像之间的LPIPS感知距离损失)。

3)第三阶段训练中，损失函数包括三个，一个是形状损失(输入Mask和生成服饰图像分割得到的Mask距离L1损失)，第二个是像素级损失(服饰GT和生成的服饰图像之间2D距离损失)，第三个是LPIPS服饰感知损失(服饰GT和生成服饰图像之间的LPIPS感知距离损失)。

7、待第三阶段训练完毕后，在预测时，输入目标形状Mask和部分残缺的服饰纹理，即可得到和输入形状一致并且纹理和输入纹理相似的2D服饰图像。

继续参见图4，其示出了根据本申请的生成服饰图像的方法的又一个实施例的流程400。该生成服饰图像的方法可以包括以下步骤：

步骤401，获取指定款式的服饰的形状图像和纹理图像。

在本实施例中，生成服饰图像的方法的执行主体(例如图1所示的服务器105)可以通过多种方式来指定款式的服饰的形状图像和纹理图像。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的指定款式的服饰的形状图像和纹理图像。再例如，执行主体也可以接收终端(例如图1所示的终端101、102)或其他设备采集的指定款式的服饰的形状图像和纹理图像。例如，指定款式为长袖风衣的形状，黄色小星星图案的短袖T恤的纹理图像。

步骤402，将形状图像和纹理图像输入服饰生成模型中，生成指定款式的服饰图像。

在本实施例中，执行主体可以将步骤401中获取的图像输入服饰生成模型中，从而生成指定款式的服饰图像，例如，黄色小星星图案的长袖风衣。

在本实施例中，服饰生成模型可以是采用如上述图2实施例所描述的方法而生成的。具体生成过程可以参见图2实施例的相关描述，在此不再赘述。

需要说明的是，本实施例生成服饰图像的方法可以用于测试上述各实施例所生成的服饰生成模型。进而根据生成的服饰图像可以不断地优化服饰生成模型。该方法也可以是上述各实施例所生成的服饰生成模型的实际应用方法。采用上述各实施例所生成的服饰生成模型，来进行生成服饰图像，能生成指定形状和纹理的服饰图像。

继续参见图5，作为对上述图2所示方法的实现，本申请提供了一种服饰生成模型的训练装置的一个实施例。该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的服饰生成模型的训练装置500可以包括：获取单元501、第一训练单元502、第二训练单元503、拼接单元504、预测单元505、第三训练单元506和输出单元507。其中，获取单元501，被配置成获取服饰的样本图像，其中，所述样本图像包括原始图像、形状掩码图像和纹理图像；第一训练单元502，被配置成基于所述形状掩码图像对第一生成模型进行训练，其中，所述第一生成模型包括预训练模型和形状编码器；第二训练单元503，被配置成基于所述纹理图像对第二生成模型进行训练，其中，所述第二生成模型包括预训练模型和纹理编码器；拼接单元504，被配置成将所述样本图像分别通过所述形状编码器和所述纹理编码器得到形状特征和纹理特征，从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征；预测单元505，被配置成基于所述拼接特征，通过所述预训练模型获得虚拟服饰图像；第三训练单元506，被配置成基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数；输出单元507，被配置成基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

在本实施例的一些可选的实现方式中，第一训练单元502进一步被配置成：将所述形状掩码图像输入所述第一生成模型中的形状编码器，得到形状特征；将所述形状特征输入所述第一生成模型中的预训练模型生成预测服饰图像；对所述预测服饰图像进行图像语义分割，得到分割掩码图；基于所述分割掩码图和所述形状掩码图像的形状损失调整所述形状编码器的相关参数，其中，在训练形状编码器过程中预训练模型的相关参数固定不变。

在本实施例的一些可选的实现方式中，第一训练单元502进一步被配置成：将所述预测服饰图像输入所述预训练模型的判别器，得到判别结果；基于判别结果调整所述形状编码器的相关参数。

在本实施例的一些可选的实现方式中，第二训练单元503进一步被配置成：将所述纹理图像输入所述第二生成模型中的纹理编码器，得到纹理特征；将所述纹理特征输入所述第二生成模型中的预训练模型生成预测服饰图像；基于所述预测服饰图像和所述纹理图像的2D距离损失和感知损失调整纹理编码器的相关参数，其中，在训练纹理编码器过程中预训练模型的相关参数固定不变。

在本实施例的一些可选的实现方式中，拼接单元504进一步被配置成：从所述形状编码器输出的形状特征中选择一半预定层数的低层特征；从所述纹理编码器输出的纹理特征中选择一半预定层数的高层特征；将所述低层特征和高层特征拼接成预定层数的拼接特征。

在本实施例的一些可选的实现方式中，第三训练单元506进一步被配置成：计算原始图像和所述虚拟服饰图像之间的2D距离损失；计算原始图像和所述虚拟服饰图像之间的感知损失；将所述2D距离损失和所述感知损失的加权和作为第一损失值；若第一损失值大于等于第一预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

在本实施例的一些可选的实现方式中，第三训练单元505进一步被配置成：对所述虚拟服饰图像进行图像语义分割，得到分割掩码图；计算所述分割掩码图和形状掩码图像之间的距离L1损失；将所述距离L1损失、所述2D距离损失和所述感知损失的加权和作为第二损失值；若第二损失值大于等于第二预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

继续参见图6，作为对上述图4所示方法的实现，本申请提供了一种生成服饰图像的装置的一个实施例。该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的生成服饰图像的装置600可以包括：获取单元601和生成单元602。其中，获取单元601被配置成获取形状图像和纹理图像；生成单元602被配置成将所述形状图像和所述纹理图像输入采用装置500生成的服饰生成模型中，生成指定款式的服饰图像。

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。

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流程200或400所述的方法。

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流程200或400所述的方法。

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流程200或400所述的方法。

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，例如服饰生成模型的训练方法。例如，在一些实施例中，服饰生成模型的训练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服饰生成模型的训练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)而被配置为执行服饰生成模型的训练方法。

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，本发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 (19)

1.一种服饰生成模型的训练方法，包括：

获取服饰的样本图像，其中，所述样本图像包括原始图像、形状掩码图像和纹理图像；

基于所述形状掩码图像对第一生成模型进行训练，其中，所述第一生成模型包括预训练模型和形状编码器；

基于所述纹理图像对第二生成模型进行训练其中，所述第二生成模型包括预训练模型和纹理编码器；

将所述样本图像分别通过所述形状编码器和所述纹理编码器得到形状特征和纹理特征，从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征；

基于所述拼接特征，通过所述预训练模型获得虚拟服饰图像；

基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数；

基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述形状掩码图像对第一生成模型进行训练，包括：

将所述形状掩码图像输入所述第一生成模型中的形状编码器，得到形状特征；

将所述形状特征输入所述第一生成模型中的预训练模型生成预测服饰图像；

对所述预测服饰图像进行图像语义分割，得到分割掩码图；

基于所述分割掩码图和所述形状掩码图像的形状损失调整所述形状编码器的相关参数，其中，在训练形状编码器过程中预训练模型的相关参数固定不变。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

将所述预测服饰图像输入所述预训练模型的判别器，得到判别结果；

基于判别结果调整所述形状编码器的相关参数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述纹理图像对第二生成模型进行训练，包括：

将所述纹理图像输入所述第二生成模型中的纹理编码器，得到纹理特征；

将所述纹理特征输入所述第二生成模型中的预训练模型生成预测服饰图像；

基于所述预测服饰图像和所述纹理图像的2D二维距离损失和感知损失调整纹理编码器的相关参数，其中，在训练纹理编码器过程中预训练模型的相关参数固定不变。

5.根据权利要求1所述的方法，其特征在于，所述从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征，包括：

从所述形状编码器输出的形状特征中选择一半预定层数的低层特征；

从所述纹理编码器输出的纹理特征中选择一半预定层数的高层特征；

将所述低层特征和高层特征拼接成预定层数的拼接特征。

6.根据权利要求1所述的方法，其特征在于，所述基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数，包括：

计算所述原始图像和所述虚拟服饰图像之间的2D距离损失；

计算所述原始图像和所述虚拟服饰图像之间的感知损失；

将所述2D距离损失和所述感知损失的加权和作为第一损失值；

若第一损失值大于等于第一预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

对所述虚拟服饰图像进行图像语义分割，得到分割掩码图；

计算所述分割掩码图和所述形状掩码图像之间的距离L1损失；

将所述距离L1损失、所述2D距离损失和所述感知损失的加权和作为第二损失值；

若第二损失值大于等于第二预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

8.一种生成服饰图像的方法，包括：

获取形状图像和纹理图像；

将所述形状图像和所述纹理图像输入采用如权利要求1-7之一所述的方法生成的服饰生成模型中，生成指定款式的服饰图像。

9.一种服饰生成模型的训练装置，包括：

获取单元，被配置成获取服饰的样本图像，其中，所述样本图像包括原始图像、形状掩码图像和纹理图像；

第一训练单元，被配置成基于所述形状掩码图像对第一生成模型进行训练，其中，所述第一生成模型包括预训练模型和形状编码器；

第二训练单元，被配置成基于所述纹理图像对第二生成模型进行训练，其中，所述第二生成模型包括预训练模型和纹理编码器；

拼接单元，被配置成将所述样本图像分别通过所述形状编码器和所述纹理编码器得到形状特征和纹理特征，从所述形状特征和所述纹理特征中分别选择一部分进行拼接，得到拼接特征；

预测单元，被配置成基于所述拼接特征，通过所述预训练模型获得虚拟服饰图像；

第三训练单元，被配置成基于所述原始图像和所述虚拟服饰图像之间的差异调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数；

输出单元，被配置成基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。

10.根据权利要求9所述的装置，其特征在于，所述第一训练单元进一步被配置成：

将所述形状掩码图像输入所述第一生成模型中的形状编码器，得到形状特征；

将所述形状特征输入所述第一生成模型中的预训练模型生成预测服饰图像；

对所述预测服饰图像进行图像语义分割，得到分割掩码图；

基于所述分割掩码图和所述形状掩码图像的形状损失调整所述形状编码器的相关参数，其中，在训练形状编码器过程中预训练模型的相关参数固定不变。

11.根据权利要求10所述的装置，其特征在于，所述第一训练单元进一步被配置成：

将所述预测服饰图像输入所述预训练模型的判别器，得到判别结果；

基于判别结果调整所述形状编码器的相关参数。

12.根据权利要求9所述的装置，其特征在于，所述第二训练单元进一步被配置成：

将所述纹理图像输入所述第二生成模型中的纹理编码器，得到纹理特征；

将所述纹理特征输入所述第二生成模型中的预训练模型生成预测服饰图像；

基于所述预测服饰图像和所述纹理图像的2D距离损失和感知损失调整纹理编码器的相关参数，其中，在训练纹理编码器过程中预训练模型的相关参数固定不变。

13.根据权利要求9所述的装置，其特征在于，所述拼接单元进一步被配置成：

从所述形状编码器输出的形状特征中选择一半预定层数的低层特征；

从所述纹理编码器输出的纹理特征中选择一半预定层数的高层特征；

将所述低层特征和高层特征拼接成预定层数的拼接特征。

14.根据权利要求9所述的装置，其特征在于，所述第三训练单元进一步被配置成：

计算所述原始图像和所述虚拟服饰图像之间的2D距离损失；

计算所述原始图像和所述虚拟服饰图像之间的感知损失；

将所述2D距离损失和所述感知损失的加权和作为第一损失值；

若第一损失值大于等于第一预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

15.根据权利要求14所述的装置，其特征在于，所述第三训练单元进一步被配置成：

对所述虚拟服饰图像进行图像语义分割，得到分割掩码图；

计算所述分割掩码图和所述形状掩码图像之间的距离L1损失；

将所述距离L1损失、所述2D距离损失和所述感知损失的加权和作为第二损失值；

若第二损失值大于等于第二预定阈值，则调整所述形状编码器、所述纹理编码器和所述预训练模型的相关参数。

16.一种生成服饰图像的装置，包括：

获取单元，被配置成获取形状图像和纹理图像；

生成单元，被配置成将所述形状图像和所述纹理图像输入采用如权利要求9-15之一所述的装置生成的服饰生成模型中，生成指定款式的服饰图像。

17.一种电子设备，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1-8中任一项所述的方法。

18.一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1-8中任一项所述的方法。

19.一种计算机程序产品，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1-8中任一项所述的方法。

Images