-
公开(公告)号：CN108846355A
公开(公告)日：2018-11-20
申请号：CN201810594760.8
申请日：2018-06-11
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请涉及一种图像处理方法、人脸识别方法、装置、计算机设备和可读存储介质，图像处理方法包括：获取佩戴有眼镜的目标图像；将目标图像输入至基于生成对抗网络训练的眼镜去除模型；眼镜去除模型包括多个依次连接的卷积-收缩激励网络；通过卷积-收缩激励网络的卷积层，得到目标图像的各特征通道的特征图，特征图作为该卷积-收缩激励网络中收缩激励层的输入；通过收缩激励层得到各特征通道的全局信息，对全局信息进行学习生成各特征通道的权重；通过卷积-收缩激励网络的加权层，根据权重分别对各特征通道的特征图进行加权处理，生成加权特征图；通过眼镜去除模型，生成与目标图像对应的去眼镜图像。通过该方法能够有效去除图像中的眼镜。
-
公开(公告)号：CN108805828A
公开(公告)日：2018-11-13
申请号：CN201810493278.5
申请日：2018-05-22
Applicant: 腾讯科技(深圳)有限公司
CPC classification number: G06T5/001 , G06N3/0454 , G06T5/50 , G06T2207/10004 , G06T2207/20081 , G06T2207/20084 , G06T2207/20221
Abstract: 本申请涉及一种图像处理方法、装置、计算机设备和存储介质，所述方法包括：获取待处理图像，将待处理图像输入已训练的图像去遮挡模型，已训练的图像去遮挡模型生成与待处理图像不同尺度的至少一个中间图像，已训练的图像去遮挡模型对待处理图像和多个中间图像进行特征提取，得到多个特征图，对各个特征图进行融合，得到融合特征图，已训练的图像去遮挡模型根据已训练的模型参数和融合特征图生成当前残差图像，已训练的模型参数是通过对图像去遮挡模型采用残差学习训练生成的，已训练的图像去遮挡模型根据当前残差图像和待处理图像输出去遮挡图像，提高了遮挡图像的去遮挡效果，得到更为准确的去遮挡图像。
-
公开(公告)号：CN113538480B
公开(公告)日：2024-12-03
申请号：CN202011477949.2
申请日：2020-12-15
Applicant: 腾讯科技(深圳)有限公司
IPC: G06T7/13 , G06T7/11 , G06T7/194 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/096
Abstract: 本申请涉及一种图像分割处理方法、装置、计算机设备和存储介质，包括：获取样本图像；通过至少两个已训练的指导模型，分别对样本图像中的目标对象进行图像分割处理，得到各指导模型对应的第一分割结果；通过待训练的图像分割模型，对样本图像中的目标对象进行图像分割处理，得到第二分割结果；根据第二分割结果与第一分割结果之间的差异，确定蒸馏误差；根据第二分割结果中的边缘预测结果与第一分割结果中的边缘预测结果之间的差异，确定边缘误差；根据蒸馏误差以及边缘误差，调整图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型。采用本方法能够有效保证图像分割的处理效率的同时提高精准度。
-
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：CN112528760B
公开(公告)日：2024-01-09
申请号：CN202011331033.6
申请日：2020-11-24
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、计算机设备及介质，属于图像处理技术领域。该方法包括：对目标图像进行编码，得到所述目标图像的图像特征，所述图像特征至少包括所述目标图像中的第一对象的脸部表情特征；对所述图像特征进行转换，得到所述图像特征对应的原始特征图；根据参考图像中的第二对象的头部区域特征，对所述原始特征图进行解码，得到目标头部区域，所述目标头部区域包括所述头部区域特征和所述脸部表情特征；以所述目标头部区域替换所述目标图像中的头部区域。该方法实现了对第一对象头部区域的更换，提高了得到的图像中的头部区域，与参考图像中头部区域之间的相似度，提高了显示效果。
-
Patent Agency Ranking
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：CN117011665A
公开(公告)日：2023-11-07
申请号：CN202211397807.4
申请日：2022-11-09
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明提供了一种图像处理模型训练方法，包括：获取第一训练样本集合；通过第一图像处理模型对第一训练样本集合进行处理，得到第一换脸图像；获取与第一图像处理模型相对应的第二图像处理模型；根据所述第二图像处理模型和所述第一换脸图像，计算所述第一图像处理模型的融合损失函数；根据所述融合损失函数，对所述第一图像处理模型进行训练，当达到所述第一图像处理模型的收敛条件时，确定所述第一图像处理模型的模型参数。本发明还提供了图像处理装置及存储介质。本发明能够提升图像处理模型训练精度与训练速度，使得图像处理模型能够适应移动终端的使用需求。
-
公开(公告)号：CN116740540B
公开(公告)日：2023-10-27
申请号：CN202311009811.3
申请日：2023-08-11
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种数据处理方法、装置、设备以及计算机可读存储介质，该方法包括：对第一图像进行三维重建处理，得到三维特征，对第二图像进行对象识别处理，得到对象特征a；第一图像包括第一前景；第二图像包括第二前景；对第一图像进行背景提取处理，得到背景图像；将随机噪声图像、背景编码特征以及语义分割调整特征确定为初始输入特征，通过对象特征a以及三维特征，对初始输入特征进行特征去噪处理，得到待解码特征；对待解码特征进行特征解码处理，得到第三图像。采用本申请，可以提高新图生成质量。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶、音视频等各种场景。
-
公开(公告)号：CN116912639A
公开(公告)日：2023-10-20
申请号：CN202311179180.X
申请日：2023-09-13
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V10/778 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/082
Abstract: 本公开提供了一种图像生成模型的训练方法和装置、存储介质及电子设备，可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。其中，该方法包括：利用图像生成模型中的属性特征提取网络提取当前样本图像的属性特征向量，并获取与前样本图像中的当前样本对象的对象标识对应的标识特征向量；将属性特征向量和标识特征向量输入图像生成模型中的图像生成网络，得到参考样本图像；利用判别网络获取参考样本图像与当前样本图像的相似度匹配结果；将训练完成的图像生成模型中的属性特征提取网络和图像生成网络作为目标图像生成模型中的目标属性特征提取网络和目标图像生成网络。本公开解决了现有的图像重建和驱动方法的效率较低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.059 seconds)
