-
公开(公告)号：CN116485986B
公开(公告)日：2025-02-14
申请号：CN202210066591.7
申请日：2022-01-20
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了图像处理方法、装置、存储介质及电子设备，可以应用于人工智能或车联网领域。上述方法包括获取第一人脸图像；基于所述第一人脸图像进行参数化人脸重建，得到人脸模型参数；基于所述人脸模型参数进行针对所述第一人脸图像的全图重建，得到所述第一人脸图像对应的深度信息图；基于所述深度信息图对所述第一人脸图像进行多阶段本征分解，得到人脸纹理参数和环境光照参数。本申请可以通过对人脸图像进行人脸重建以及全图重建，得到深度信息图，并且基于该深度信息图进行多阶段本征分解，得到人脸纹理参数和环境光照参数，从而将人脸纹理信息和光照信息解耦，达到信息剥离效果，基于这种人脸纹理信息进行更准确的人脸图像重渲染。
-
公开(公告)号：CN111080656B
公开(公告)日：2024-10-01
申请号：CN201911261574.3
申请日：2019-12-10
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种图像处理的方法、图像合成的方法以及相关装置，用于提升图像处理的精确度。本申请方法包括：获取待处理图像；根据待处理图像获取第一图像以及第二图像；根据第一混合区域以及第二混合区域，确定第一图像所对应的第一抠图图像以及第二图像所对应的第二抠图图像；根据第一抠图图像中的第三前景图像以及第二抠图图像中的第四前景图像，生成目标抠图图像。本申请利用图像分割后得到的结果分别得到第一图像和第二图像，再利用抠图技术分别得到第一抠图图像和第二抠图图像，抠图图像相比于分割得到的图像而言，具有更精细的构造，从而提升图像处理的精确度。
-
公开(公告)号：CN111553267B
公开(公告)日：2023-12-01
申请号：CN202010344536.0
申请日：2020-04-27
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V40/16 , G06V10/774 , G06V10/80 , G06V10/44 , G06V10/46 , G06V10/50 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0895 , G06N3/088
Abstract: 本申请涉及人工智能领域，提供了一种图像处理方法、图像处理模型训练方法及设备。所述图像处理方法包括：获取模板面部图像和至少两张初始面部图像；对所述模板面部图像进行编码，得到所述模板面部图像的属性特征；分别对各张所述初始面部图像进行编码，得到各张所述初始面部图像各自对应的面部身份特征；组合各个所述面部身份特征，得到组合身份特征；融合所述组合身份特征及所述属性特征，得到目标特征；解码所述目标特征，得到目标面部图像；所述目标面部图像与组合身份特征匹配、且与所述模板面部图像的属性特征匹配。采用本方法能够提(56)对比文件CN 110472533 A,2019.11.19CN 110517185 A,2019.11.29CN 110705516 A,2020.01.17CN 110728193 A,2020.01.24US 2019005313 A1,2019.01.03周川 等.基于核函数因素分解模型的表情合成与识别.清华大学学报(自然科学版).2006,(第10期),113-116.
-
-
公开(公告)号：CN109934300B
公开(公告)日：2023-08-25
申请号：CN201910218338.7
申请日：2019-03-21
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V10/74 , G06V40/16
Abstract: 本发明公开了一种模型压缩方法、装置、计算机设备及存储介质，属于图像技术领域。本发明通过对特征通道数小于第一识别模型的第二初始模型进行训练，删除训练得到的第二识别模型的目标转化层，最终得到目标识别模型，该目标识别模型的复杂度降低，对计算机设备的运算性能要求也降低，从而提高了识别模型进行脸部图像识别的适用性。且，在训练过程中通过目标转化层保证压缩后的第二初始模型与第一识别模型的特征通道数一致，尽可能的减小了模型压缩所损失的性能，从而在降低模型复杂度前提下，同时保证了压缩后的识别模型的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN108846440B
公开(公告)日：2023-06-02
申请号：CN201810639830.7
申请日：2018-06-20
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种图像处理方法及装置、计算机可读介质和电子设备，涉及图像处理技术领域。该图像处理方法包括：获取图像的特征图；将图像的特征图输入基础神经网络进行处理以确定图像中的目标对象；其中，基础神经网络包括多个堆叠的卷积处理模块，每一卷积处理模块对输入的特征图执行处理包括：对输入的特征图进行1×1降维卷积处理以得到第一特征图；对第一特征图进行1×1扩展卷积处理以得到第二特征图；对第一特征图进行深度可分离卷积处理以得到第三特征图；基于第二特征图和第三特征图生成该卷积处理模块输出的特征图。本公开可以快速检测图像中的目标对象。
-
公开(公告)号：CN111401216B
公开(公告)日：2023-04-18
申请号：CN202010169373.7
申请日：2020-03-12
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/088 , G06N3/09 , G06N20/00 , G06T3/00 , G06T5/00 , G06T9/00
Abstract: 本申请涉及一种图像处理、模型训练方法、装置、计算机设备和存储介质。所述图像处理方法包括：获取初始面部图像和模板面部图像；分别对所述初始面部图像和所述模板面部图像进行编码，得到所述初始面部图像的面部身份特征和所述模板面部图像的属性特征；对所述初始面部图像和所述模板面部图像共同编码，得到所述初始面部图像和所述模板面部图像共同对应的共同编码特征；融合所述面部身份特征、所述属性特征和所述共同编码特征得到目标特征；解码所述目标特征，得到目标面部图像；所述目标面部图像与所述初始面部图像的面部身份特征匹配、且与所述模板面部图像的属性特征匹配。采用本方法能够提高图像处理效率。
-
公开(公告)号：CN111507259B
公开(公告)日：2023-03-24
申请号：CN202010303854.2
申请日：2020-04-17
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V40/16 , G06V10/774 , G06T7/33
Abstract: 本发明提供了一种基于人工智能的脸部特征提取方法、装置、电子设备及计算机可读存储介质；方法包括：根据标准脸部图像的配准点标注，对标准脸部图像进行剖分处理，得到标准脸部图像的面片化结果；根据标准脸部图像的面片化结果，对标准脸部图像的配准点标注的空间分布进行重塑处理以得到脸部图像样本，并将标准脸部图像的配准点标注根据重塑处理进行同步，得到脸部图像样本对应的配准点标注；基于脸部图像样本以及对应的配准点标注，对图像配准模型进行训练处理；基于训练后的图像配准模型对目标脸部图像进行特征提取处理，将提取的配准点作为目标脸部图像的脸部特征。通过本发明，能够自动生成大量带有标注的脸部图像样本，提高模型训练的效率。
-
公开(公告)号：CN115760888A
公开(公告)日：2023-03-07
申请号：CN202111027744.9
申请日：2021-09-02
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种图像处理方法、装置、计算机及可读存储介质，该方法包括：获取图像样本，识别图像样本中的关键部位对象的平面坐标信息，识别关键部位对象的空间部位信息；在初始空间部位重建模型中，识别空间部位信息的空间轮廓坐标信息，对空间部位信息进行光栅化处理，得到投影相机参数，基于投影相机参数对空间轮廓坐标信息进行平面投影处理，得到投影坐标信息；根据平面坐标信息及投影坐标信息生成第一损失函数，根据空间部位信息生成第二损失函数；基于第一损失函数及第二损失函数对初始空间部位重建模型进行参数调整，得到空间部位重建模型。采用本申请，可以提高图像处理的准确性。
-
公开(公告)号：CN111353546B
公开(公告)日：2022-12-23
申请号：CN202010156852.5
申请日：2020-03-09
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/74 , G06V10/774 , G06V10/764 , G06V40/16 , G06T3/00
Abstract: 本申请涉及一种图像处理模型的训练方法、装置、计算机设备和存储介质。方法包括：获取三元组样本，三元组样本包括源图像、第一图像和目标图像；源图像和目标图像对应相同的身份属性，第一图像和源图像对应不同的身份属性；第一图像和目标图像对应相同的非身份属性；将源图像和第一图像输入图像处理模型中的生成器，得到输出图像；将源图像、第一图像、目标图像和输出图像输入图像处理模型中的判别器，得到图像属性判别结果；根据图像属性判别结果调整生成器的参数和判别器的参数并继续训练，当满足预设条件时停止训练，得到训练好的图像处理模型。采用本方法训练得到的图像处理模型能够提高图像和合成视频的质量。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.063 seconds)
