[發明專利]渲染圖像獲取方法、裝置、系統和存儲介質在審
| 申請號: | 201810490256.3 | 申請日: | 2018-05-21 |
| 公開(公告)號: | CN108876764A | 公開(公告)日: | 2018-11-23 |
| 發明(設計)人: | 馬里千 | 申請(專利權)人: | 北京曠視科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00 |
| 代理公司: | 北京市磐華律師事務所 11336 | 代理人: | 高偉;卜璐璐 |
| 地址: | 100190 北京*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 渲染 渲染圖像 渲染器 存儲介質 分類器 計算機視覺 學習訓練 真實圖像 視覺 參數生成 模型訓練 輸入圖像 對抗 | ||
1.一種渲染圖像生成方法,其特征在于,所述方法包括:
獲取用于特定視覺任務訓練的真實圖像,并利用所述真實圖像基于對抗學習訓練渲染模型直到訓練結束,其中,所述渲染模型包括渲染器和分類器,所述分類器用于區分輸入圖像是真實的還是渲染得到的;以及
獲取所述渲染模型訓練結束時所述渲染器采用的渲染參數作為最佳渲染參數,并采用所述渲染器基于所述最佳渲染參數生成用于所述特定視覺任務訓練的最佳渲染圖像。
2.根據權利要求1所述的方法,其特征在于,所述利用所述真實圖像基于對抗學習訓練渲染模型直到訓練結束包括:
獲取m個隨機數,將所述m個隨機數輸入所述渲染器得到m個渲染圖像,其中m為大于或等于1的整數;
將所述m個渲染圖像和所述真實圖像中的n個圖像分別輸入所述分類器,得到m+n個分類結果,并基于所述m+n個分類結果計算所述分類器的損失函數,其中n為大于或等于1的整數;
根據所述分類器的損失函數,采用梯度下降法更新所述分類器的參數,完成所述分類器的一次訓練;
計算所述m個渲染圖像的每個渲染圖像中每個像素值對所述渲染器當前采用的渲染參數的第一偏導數,并計算所述分類器的損失函數對輸入所述分類器的每個渲染圖像中每個像素值的第二偏導數;
基于所述第一偏導數和所述第二偏導數計算當前渲染參數的梯度,并根據梯度下降法更新所述渲染器采用的渲染參數,從而完成所述渲染模型的一次訓練;以及
迭代上述步驟直到所述渲染模型訓練結束。
3.根據權利要求2所述的方法,其特征在于,所述基于所述第一偏導數和所述第二偏導數計算渲染參數的梯度包括:
將所述第一偏導數與所述第二偏導數進行乘法運算,以得到所述分類器的損失函數對所述當前渲染參數的第三偏導數作為所述當前渲染參數的梯度。
4.根據權利要求3所述的方法,其特征在于,所述根據梯度下降法更新所述渲染器采用的渲染參數包括:
將所述第三偏導數與學習率進行乘法運算,并將所述當前渲染參數與所述乘法運算的結果進行減法運算以得到更新后的渲染參數。
5.根據權利要求2所述的方法,其特征在于,所述基于所述m+n個分類結果計算所述分類器的損失函數包括:
基于所述m+n個分類結果中的每一個計算一個子損失函數,并將得到的m+n個子損失函數之和作為所述分類器的損失函數,或者將得到的m+n個子損失函數的平均值作為所述分類器的損失函數。
6.根據權利要求2至5中任一項所述的方法,其特征在于,在所述渲染模型進行初次訓練時所述渲染器采用的渲染參數是經驗性的初始渲染參數。
7.根據權利要求1至5中任一項所述的方法,其特征在于,所述渲染參數包括光照屬性和材質屬性。
8.一種渲染圖像生成裝置,其特征在于,所述裝置包括:
訓練模塊,用于獲取用于特定視覺任務訓練的真實圖像,并利用所述真實圖像基于對抗學習訓練渲染模型直到訓練結束,其中,所述渲染模型包括渲染器和分類器,所述分類器用于區分輸入圖像是真實的還是渲染得到的;以及
生成模塊,用于獲取所述渲染模型訓練結束時所述渲染器采用的渲染參數作為最佳渲染參數,并采用所述渲染器基于所述最佳渲染參數生成用于所述特定視覺任務訓練的最佳渲染圖像。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京曠視科技有限公司,未經北京曠視科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810490256.3/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:光學氣體成像系統和方法
- 下一篇:工業分揀機器人的目標定位裝置和方法





