CN113763535B 一种特征潜码提取方法、计算机设备及存储介质 （深圳数联天下智能科技有限公司）

道高新区社区高新南七道20号深圳国潜码提取网络输出的特征潜码作为第一人脸图络最终输出的特征潜码能够准确反映第一人脸人脸图像中人脸的三维空间特征的三维重构图2获取待提取特征潜码的第一人脸图像和所述第一人脸图像三维重构图像包括所述第一人脸图像中的人脸的将所述第一人脸图像输入至预设的特征潜码提取网络中，将所述特征潜码和所述三维重构图像输入至风格对抗生成网络中，所根据所述第一人脸图像和所述第二人脸图像之间的差异，对所述特将收敛后的特征潜码提取网络输出的特征潜码作为所述第一人脸图像对所述第一三维重构参数进行二维渲染，以得到所述第一人脸图像对所述将所述特征潜码和所述三维重构图像输入至风格对抗生成网将所述中间向量、所述第一特征图、所述三维重构特征图将所述多个顺序排列的生成网络中的最后一个生成网络输出的第二特征图确定为所所述将所述中间向量、所述第一特征图、所述三维重构特征图将所述中间向量输入各第二融合层，所述各第二融合层根据所述目标目标第二融合层采用所述特征因子将输入所述目标第二融合层的第一中间特征图与3将最后一个第二融合层输出的第二中间特征图和所述三维重构特征图输入所述第一所述目标第二融合层采用所述特征因子将输入所述目标第二融合层的第一中间特征采用以下公式计算得到所述目标第二融合层输出的第二中所述将最后一个第二融合层输出的第二中间特征图和所述三维重构特征图输入所述ij为最后一个第二融合层输出的第二中间特征图，hi为所述三维重构特征图，脸图像之间的差异包括所述第一人脸图像与所述第二人脸图像之间的结所述根据所述第一人脸图像和所述第二人脸图像之间的差异计算所述第一人脸图像与所述第二人脸图像的亮度相似值、对将所述亮度相似值、所述对比度相似值以及所述结构相似值的乘积作为所述结构差脸图像之间的差异包括所述第一人脸图像与所述第二人脸图像之间的像所述根据所述第一人脸图像和所述第二人脸图像之间的差异计算所述第一人脸图像中处于目标位置的像素点与所述第二人脸图像中处于所述目将所述第一人脸图像与所述第二人脸图像中各位置对应的像素差值之和作为所述像所述根据所述第一人脸图像和所述第二人脸图像之间的差异4计算第一三维重构参数与第二三维重构参数之间的执行所述一个或多个计算机程序时，使得所述计算机设备实现如权利要求1-8任一项所述5人工智能领域中用于人脸图像生成的一种网络结构，其通过在生成器网络中添加映射网潜码输入到风格对抗生成网络生成图像，由于无法获取到真实场景下的图像的特征潜码，[0006]获取待提取特征潜码的第一人脸图像和所述第一人脸图所述三维重构图像包括所述第一人脸图像中的人脸的三[0010]将收敛后的特征潜码提取网络输出的特征潜码作为所述第一人脸图像的特征潜6的第一特征图生成并输出第二特征图，所述第二特征图的尺寸大于所述第一特征图的尺[0019]将所述多个顺序排列的生成网络中的最后一个生成网络输出的第二特征图确定[0023]目标第二融合层采用所述特征因子将输入所述目标第二融合层的第一中间特征[0024]将最后一个第二融合层输出的第二中间特征图和所述三维重构特征图输入所述[0026]所述目标第二融合层采用所述特征因子将输入所述目标第二融合层的第一中间[0030]所述将最后一个第二融合层输出的第二中间特征图和所述三维重构特征图输入i+1为所述第二特征图。7[0040]计算所述第一人脸图像中处于目标位置的像素点与所述第二人脸图像中处于所为所述第一人脸图像或所述第二人脸图像中[0041]将所述第一人脸图像与所述第二人脸图像中各位置对应的像素差值之和作为所序指令当被处理器执行时使所述处理器执行如上第8[0048]由于是在特征潜码提取网络收敛后将特征潜码提取网络输出的特征潜码作为第于收敛后的特征潜码提取网络输出更加准确的9const相当于一个用于生成图像的初始数据。除第一个生成网络外的剩余生成网络中任意成的人脸图像的大小为1024*1024，则最后一个生成网络输出的特征图的大小为1024*偏差因子y(b,i)，这两个因子会与标准化后的上一卷三维重构图像包括第一人脸图像中的人脸的[0077]S25：将收敛后的特征潜码提取网络输出的特征潜码作为第一人脸图像的特征潜图像包括第一人脸图像中的人脸的三维空间特征，三维空间特征可以理解为立体几何特[0082]B)对第一三维重构参数进行二维渲染，以得到第一人脸图像对应的三维重构图[0084]在3DMM模型中，所有的三维人脸都能用相同数量的点云(统计了200个人脸样本(100位年轻男性和100位年轻女性)的脸部激光扫描数据，得到一人Ti进行反卷积生成一系列的尺寸逐渐变大的特征图，网络最后一层输出的特征图尺寸最大，潜码提取网络进行训练，即可得到与该第一人脸图像对应的特征潜码提取模型(收敛后的在特征潜码提取网络收敛后将特征潜码提取网络输出的特征潜码作为第一人脸图像的特助于收敛后的特征潜码提取网络输出更加准确的征图为目标生成网络的前一个生成网络(i-1)输出的特征图，第二特征图的尺寸大于第一则第2个生成网络输入的第一特征图的尺寸为4*4，第2个生成网络输出的第二特征图的尺[0106]值得说明的是，该多个顺序排列的生成网络即为图1所示实施例中的图像生成器生特征纠缠。构特征图所反映的特征的粗糙程度与第二特征图所反映的特征[0114]如图3所示，第1个三维重构特征图(4*4*512)的特征比第2个三维重构特征图(8*特征图和随机噪声的模块也与图1所示实施例中相对应的模块具有的粗细程度分批次融入各生成网络输出的各第二特征图中。在生成第二特征图的每一层[0125]S2332：目标第二融合层采用特征因子将输入目标第二融合层的第一中间特征图[0126]S2333：将最后一个第二融合层输出的第二中间特征图和三维重构特征图输入第[0128]由于目标生成网络中有至少一个第二融合层，每一第二融合层的处理过程相层可以为实例归一化层(AdaIN)，采用特征因子将输入的第一中间特征图与随机噪声进行可以理解的是，第一中间特征图为位于该目标第二融合层的前一层的卷积层输出的特征出的第二中间特征图和三维重构特征图之间线官分布的作用，使得生成网络输出的第二特征图在不同几何信息的位置具有针对性的响[0136]即对每一卷积层输出的第一中间特征图Tij均采用上述公式与随机噪声进行融[0140]其中，yij为最后一个第二融合层输出的第二中间特征图，值为用于反映两幅图像对比度之间的相似程度的指标。结构相似值可以是结构相似性按如下公式计算第一人脸图像和第二人脸图像的亮度相似值r(Y,Y9)、对比度相似值c(Y,[0150]其中,Y表示第一人脸图像,Y'表示第二[0151]其中，σYY'表示第一人脸图像和第二人[0153]Ls(Y,Y')＝r(Y,Y')*c(Y,括第一人脸图像与第二人脸图像之间的结构差异，从而，使得第二人脸图像在结构上(亮SSIM)能够更好地还原第一人脸图像，即使得收敛后的特征潜码提取网络输出的特征潜码[0157]S33：计算第一人脸图像中处于目标位置的像素点与第二人脸图像中处于目标位[0158]S34：将第一人脸图像与第二人脸图像中各位置对应的像素差值之和作为像素差[0159]具体地，第一人脸图像与第二人脸图像之间的像素差异Lp(Y,Y9)的计算公式如[0172]L=αLs(Y,Y')+βLp(Y,Y')+γLv(Y,Y')括体现全局差异的结构差异，体现局部差异的像素差异以及体现深度的三维重构参数差器(DigitalSignalProcessing，DSP)、专用集成电路(ApplicationSpecific以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬OnlyMemory,ROM)或随机存储记忆体(Ran