图像生成方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114187624A(43)申请公布日2022.03.15(21)申请号202111320636.0G06N3/08(2006.01)(22)申请日2021.11.09(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦二层(72)发明人徐志良洪智滨(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G06V40/16(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书3页说明书14页附图5页(54)发明名称图像生成方法、装置、电子设备及存储介质(57)摘要本公开提供了一种图像生成方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及深度学习、计算机视觉等技术领域，可应用于人脸图像处理和人脸图像识别等场景下。包括：获取参考图像和待处理图像，并从参考图像之中提取出目标融合特征，再根据目标融合特征，确定与参考图像对应的多个深度特征图，并根据目标融合特征，对多个深度特征图进行融合处理得到目标特征图，以及根据目标特征图处理待处理图像，以生成目标图像，由此能够有效地降低图像融合的计算量，有效适用于算力较低的电子设备，在有效地节约计算资源的同时，有效地提升图像生成效果。CN114187624ACN114187624A权利要求书1/3页1.一种图像生成方法，包括：获取参考图像和待处理图像；从所述参考图像之中提取出目标融合特征；根据所述目标融合特征，确定与所述参考图像对应的多个深度特征图；根据所述目标融合特征，对所述多个深度特征图进行融合处理得到目标特征图；以及根据所述目标特征图处理所述待处理图像，以生成目标图像。2.根据权利要求1所述的方法，其中，所述从所述参考图像之中提取出目标融合特征，包括：从所述参考图像之中提取出待融合特征；对所述待融合特征进行编码处理，以得到所述目标融合特征。3.根据权利要求1所述的方法，其中，所述根据所述目标融合特征，确定与所述参考图像对应的多个深度特征图，包括：根据所述目标融合特征，确定预测卷积参数，其中，所述预测卷积参数，是预测得到的初始深度卷积网络的网络参数；将所述初始深度卷积网络的初始卷积参数调整为所述预测卷积参数，以得到目标深度卷积网络；以及采用所述目标深度卷积网络对所述参考图像进行特征图提取，以得到与多个候选深度分别对应的多个深度特征图，其中，所述多个候选深度是基于所述目标融合特征确定的。4.根据权利要求3所述的方法，其中，所述根据所述目标融合特征，对所述多个深度特征图进行融合处理得到目标特征图，包括：根据所述目标融合特征，确定预测卷积核参数，其中，所述预测卷积核参数，是预测得到的初始逐点卷积网络的网络参数；将所述初始逐点卷积网络的初始卷积核参数调整为所述预测卷积核参数，以得到目标逐点卷积网络；以及采用所述目标逐点卷积网络对所述多个深度特征图进行融合处理，以得到所述目标特征图。5.根据权利要求1所述的方法，所述参考图像包括：第一背景区域图像和第一对象的区域图像，所述目标融合特征，用于描述所述第一对象的图像特征，所述第一背景区域图像具有参考掩码特征；其中，所述根据所述目标特征图处理所述待处理图像，以生成目标图像，包括：从所述待处理图像中确定第二背景区域图像和第二对象的区域图像，所述第二背景区域图像具有初始掩码特征；根据所述参考掩码特征调整所述第二背景区域图像的初始掩码特征，以得到目标背景区域图像，其中，所述目标背景区域图像的掩码特征是调整后所述初始掩码特征，所述参考掩码特征和调整后所述初始掩码特征之间满足一致性条件；将所述目标特征图融合至所述第二对象的区域图像中，以得到待合成图像；以及根据所述目标背景区域图像和所述待合成图像，合成得到所述目标图像。6.根据权利要求5所述的方法，其中，所述将所述目标特征图融合至所述第二对象的区域图像中，以得到待合成图像，包括：2CN114187624A权利要求书2/3页将所述目标特征图融合至所述第二对象的区域图像中，以得到待融合图像；将所述第一对象的区域图像输入至预训练的掩码预测模型之中，以得到所述掩码预测模型输出的所述第一对象的预测掩码特征；以及将所述预测掩码特征融合至所述待融合图像之中，以得到所述待合成图像。7.根据权利要求1所述的方法，其中，所述获取参考图像和待处理图像，包括：获取源图像和初始图像，其中，所述源图像包括：所述第一对象的源区域图像，所述初始图像包括：所述第二对象的初始区域图像；基于第一数量的关键点将所述源图像中所述源区域图像与标准对象图像进行多点对齐处理，以得到所述参考