CN119399080A 面向高清换脸的智能美颜特征优化处理方法及系统 （浙江天派科技有限公司）

面向高清换脸的智能美颜特征优化处理方本发明提供一种面向高清换脸的智能美颜2输入源人脸图像和目标人脸图像至非线性特征解耦器，分别解耦生成转换所述基础换脸特征至谱域空间，通过复数域卷积提取谱域换脸特对所述融合换脸特征进行高阶张量分解，提取核心美颜特征；压将源人脸图像和目标人脸图像分别输入至特征解耦器，所述特征解耦器包括身份分通过具有多层级残差结构的身份分支，对图像依次执行浅层特征提取、通过多尺度金字塔结构的纹理分支，对图像逐层构建特征金字塔计算身份特征向量、表情特征向量和纹理特征向量两两基于源人脸特征组和目标人脸特征组中的每个特征点，以所述特3将特征映射组输入概率密度估计网络，计算特征分布的概率密度函数构建离散化的时间步序列，对每个时间步设置对应通过双分支漂移网络分别对目标人脸的身份特征和源人脸的表情特征执行概率梯度基于所述时变扩散系数序列计算第一时变权重系数和第二时变对所述初始融合特征构建以目标分布为平稳分布的马尔可夫采样链，构建实部提取特征幅度的第一卷积核和虚部提取特征相将基础换脸特征经过二维傅里叶变换转换至谱域空间得到谱域特征，卷积核对所述谱域特征进行复数域卷积运算得到包含幅度信息和相位信息的谱域换脸特构建用于提取低频结构的第一带通滤波器和提取4构建特征空间的基向量矩阵，将所述基向量矩阵正交化构建多个不同角度的方向选择滤波器，将多个不同角采用自适应学习方式计算所述结构映射特征和所述纹理增强特征的获取源人脸的细节特征的边缘方向直方图，根据所述边缘方向直基于所述主方向角度集合，构建积分变换核，将所述积分变换核对所述方向基函数执行正交化处理得到正交方向基，将所述正交方向基在频域展开，构建具有不同尺度和曲率的变换基函数，基于能量最大化计算源人脸的细节特征的结构张量，对所述结构张征主方向的特征向量和表征局部各向异性程根据所述特征值的比值计算各向异性系数，利用所述采用所述自适应方向滤波器组对所述源人脸的细节特征进行滤波增将融合换脸特征展开为核心张量与三个核心矩阵的乘积形式，通对所述核心美颜特征的特征张量进行稀疏化压缩，通过计算所述特征张5构建量子纠缠态编码网络，将所述压缩美颜特征通过基于所述量子纠缠态构建非局部注意力机制，将所述压缩美颜特构建分数阶偏微分方程，将所述增强美颜特征输入特征输入所述分数阶偏微分方程，采用分裂算子迭代法对所述分数阶偏微分方程进行求构建包含分数阶扩散项和非线性对流项的分数阶偏微分将所述增强美颜特征输入所述分数阶偏微分方程，对所述线性通过分数阶导数计算，获取所述分数阶拉普拉斯算子的第一特征将所述非线性对流算子在特征向量基下展开，通过求解所述非基于所述第一特征值和所述第二特征值的数值大小确定自适将所述增强美颜特征在不同尺度下分解，得到面部多尺度特征分量度特征分量分别执行所述线性扩散算子求解和所述非线性对流基于所述中间面部特征解计算非线性源项，通过特征分解获取计算相邻两次迭代的面部特征解之间的相对误差，当所述相对误差小于预设阈值时，8.面向高清换脸的智能美颜特征优化处理系统，用于实现前述权利要求1_7中任一项第一单元，用于输入源人脸图像和目标人脸图像至非线性特征6第二单元，用于转换所述基础换脸特征至谱域空间，通其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意7[0004]综上所述，亟需一种基于非线性特征解耦和量子纠缠态编码的换脸美颜处理方8通过双分支漂移网络分别对目标人脸的身份特征和源人脸的表情特征执行概率9数域卷积核对所述谱域特征进行复数域卷积运算得到包含幅度信息和相位信息的谱域换部特征主方向的特征向量和表征局部各向异基于所述第一特征值和所述第二特征值的数值大小确定自适多尺度特征分量分别执行所述线性扩散算子求解和在所述自适应时间步长内，将上一时刻的面部特征解通过傅里叶变换转换到频对面部多尺度特征分量对应的面部特征解进行多尺度重构，得到非线性增强特[0020]图1为本发明实施例面向高清换脸的智能美颜特征优化处理方法的流程示意图，S101.输入源人脸图像和目标人脸图像至非线性特征解耦器，分别解耦生成源人征映射组进行调制，通过随机微分方程将源人脸的表情特征与目标人脸的身份特征融合，[0024]在一种可选的实施方式中,输入源人脸图像和目标人脸图像至非线性特征解耦[0032]在一种可选的实施方式中,通过双分支漂移网络分别对目标人脸的身份特征和源人脸的表情特征执行概率一个概率密度估计网络中。这个网络可以类似于一个变分自编码器或一个基于流的模型，征项。[0038]对初始融合特征构建以目标分布为平稳分布的马尔可夫采样链。对于每个时间[0041]在一种可选的实施方式中,转换所述基数域卷积核对所述谱域特征进行复数域卷积运算得到包含幅度信息和相位信息的谱域换[0047]对源人脸的细节特征执行方向滤波变换。构建多个不同[0050]在一种可选的实施方式中,构建多个不同角度的部特征主方向的特征向量和表征局部各向异例如通过傅里叶变换，得到各向异性方向滤波器。以0度方向基函数为例，经过Gram_波器自适应组合，生成具有方向选择性和曲率适应性的自适应方向滤波器组。例如，将Gabor函数与0度方向对应的各向异性方向滤波器进行组合，得到一个自适应方向滤波器。[0060]在一种可选的实施方式中,对所述融合[0061]所述分解秩具体是指表示将三维或更高维的张量分解为核心张量与多个矩阵的[0064]第一量子哈密顿算子与第二量子哈密顿算子的关系具体是指通过分步演化方式[0071]在一种可选的实施方式中,构建分数阶偏微强美颜特征进行非整数阶导数运算得到非线性增基于所述第一特征值和所述第二特征值的数值大小确定自适多尺度特征分量分别执行所述线性扩散算子求解和在所述自适应时间步长内，将上一时刻的面部特征解通过傅里叶变换转换到频对面部多尺度特征分量对应的面部特征解进行多尺度重构，得到非线性增强特阶扩散项模拟图像中纹理细节的平滑过程，而非线性对流项则用于增强图像的边缘和轮[0079]将非线性对流算子在特征向量基下展开。通过求解非线性对流算子的第二特征[0083]基于中间面部特征解计算非线性源项。通过特征分解获取非线性源项的演化模[0084]对面部多尺度特