[發(fā)明專利]視頻轉(zhuǎn)換方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 201811277395.4
• 申請日: 2018-10-30
• 公開（公告）號: CN109474851A
• 公開（公告）日: 2019-03-15
• 發(fā)明（設(shè)計(jì)）人: 劉霄;李旭斌;丁予康;張樹鵬;高原;傅依;柏提;趙晨;文石磊
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: H04N21/4402
• 分類號: H04N21/4402
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 孫靜;劉芳

1.一種視頻轉(zhuǎn)換方法，其特征在于，包括：

獲取第一視頻的多個(gè)第一視頻幀，每個(gè)第一視頻幀中的圖像為第一類型；

通過視頻轉(zhuǎn)換模型對每個(gè)第一視頻幀進(jìn)行圖像轉(zhuǎn)換，得到每個(gè)第一視頻幀對應(yīng)的第二視頻幀，每個(gè)第二視頻幀中的圖像為第二類型；

根據(jù)每個(gè)第二視頻幀，確定所述第一視頻的轉(zhuǎn)換視頻。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述視頻轉(zhuǎn)換模型為通過如下方法確定得到的：

確定初始轉(zhuǎn)換模型、初始判別模型、多個(gè)第一樣本圖像、和多個(gè)第二樣本圖像，所述第一樣本圖像為第一類型的圖像，所述第二樣本圖像為第二類型的圖像；

根據(jù)初始轉(zhuǎn)換模型、初始判別模型、多個(gè)第一樣本圖像、和多個(gè)第二樣本圖像，確定所述視頻轉(zhuǎn)換模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)初始轉(zhuǎn)換模型、初始判別模型、多個(gè)第一樣本圖像、和多個(gè)第二樣本圖像，確定所述視頻轉(zhuǎn)換模型，包括：

根據(jù)所述多個(gè)第一樣本圖像、所述多個(gè)第二樣本圖像、所述初始判別模型和所述初始判別模型執(zhí)行損失函數(shù)確定操作，得到所述初始判別模型的損失函數(shù)；

根據(jù)所述損失函數(shù)執(zhí)行優(yōu)化參數(shù)確定操作，得到所述初始判別模型的第一優(yōu)化參數(shù)和所述初始轉(zhuǎn)換模型的第二優(yōu)化參數(shù)；

根據(jù)所述第一優(yōu)化參數(shù)和所述第二優(yōu)化參數(shù)執(zhí)行模型優(yōu)化操作，所述模型優(yōu)化操作包括通過所述第一優(yōu)化參數(shù)更新所述初始判別模型，以及通過所述第二優(yōu)化參數(shù)更新所述初始轉(zhuǎn)換模型；

重復(fù)執(zhí)行所述損失函數(shù)確定操作、所述優(yōu)化參數(shù)確定操作和所述模型優(yōu)化操作，直至所述初始轉(zhuǎn)換模型和所述初始判別模型收斂時(shí)，將收斂的初始轉(zhuǎn)換模型確定為所述視頻轉(zhuǎn)換模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述多個(gè)第一樣本圖像、所述多個(gè)第二樣本圖像、所述初始判別模型和所述初始判別模型執(zhí)行損失函數(shù)確定操作，得到所述初始判別模型的損失函數(shù)，包括：

通過所述初始轉(zhuǎn)換模型對所述多個(gè)第一樣本圖像進(jìn)行轉(zhuǎn)換，得到多個(gè)第二類型的第三樣本圖像；

通過所述多個(gè)第二樣本圖像、所述多個(gè)第三樣本圖像和所述初始判別模型，確定所述初始判別模型的損失函數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述通過所述多個(gè)第二樣本圖像、所述多個(gè)第三樣本圖像和所述初始判別模型，確定所述初始判別模型的損失函數(shù)，包括：

通過所述初始判別模型識別所述多個(gè)第二樣本圖像和所述多個(gè)第三樣本圖像，得到每個(gè)第二樣本圖像和每個(gè)第三樣本圖像的識別結(jié)果，所述識別結(jié)果為第一結(jié)果或第二結(jié)果，所述第一結(jié)果用于指示識別的樣本圖像為真實(shí)的第二類型圖像，所述第二結(jié)果用于指示識別的樣本圖像為轉(zhuǎn)換得到的第二類型圖像；

根據(jù)所述識別結(jié)果，確定所述初始判別模型的損失函數(shù)。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述損失函數(shù)執(zhí)行優(yōu)化參數(shù)確定操作，得到所述初始判別模型的第一優(yōu)化參數(shù)和所述初始轉(zhuǎn)換模型的第二優(yōu)化參數(shù)，包括：

通過所述損失函數(shù)對所述初始判別模型的參數(shù)求導(dǎo)，得到所述初始判別模型的參數(shù)的變化量；

根據(jù)所述初始判別模型的參數(shù)的變化量確定所述第一優(yōu)化參數(shù)。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述損失函數(shù)執(zhí)行優(yōu)化參數(shù)確定操作，得到所述初始轉(zhuǎn)換模型的第二優(yōu)化參數(shù)，包括：

通過所述損失函數(shù)對所述第三樣本圖像進(jìn)行求導(dǎo)，得到所述第三樣本圖像的梯度；

通過所述第三樣本圖像的梯度對所述初始轉(zhuǎn)換模型的參數(shù)進(jìn)行求導(dǎo)，得到所述初始轉(zhuǎn)換模型的參數(shù)的變化量；

根據(jù)所述初始轉(zhuǎn)換模型的參數(shù)的變化量，確定所述第二優(yōu)化參數(shù)。