[發明專利]虛擬形象生成方法、裝置、設備及存儲介質

有效

• 申請號: 202010060158.3
• 申請日: 2020-01-19
• 公開（公告）號: CN111265879B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 陸永帥
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司;上海小度技術有限公司
• 主分類號: A63F13/60
• 分類號: A63F13/60
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;臧建明

1.一種虛擬形象生成方法，其特征在于，所述方法應用于電子設備，所述方法包括：

若確定滿足虛擬形象生成條件，則獲取第一隨機噪聲圖像；

根據所述第一隨機噪聲圖像和訓練至收斂的形象生成模型生成對應的第一虛擬形象圖像；

確定所述第一虛擬形象圖像中第一虛擬形象的屬性信息；

輸出所述第一虛擬形象圖像及所述第一虛擬形象的屬性信息；

所述確定所述第一虛擬形象圖像中第一虛擬形象的屬性信息，包括：

確定所述第一虛擬形象圖像中第一虛擬形象的類別信息。

2.根據權利要求1所述的方法，其特征在于，所述若確定滿足虛擬形象生成條件，則獲取第一隨機噪聲圖像之前，還包括：

判斷是否滿足虛擬形象生成條件。

3.根據權利要求2所述的方法，其特征在于，所述判斷是否滿足虛擬形象生成條件，包括：

判斷是否接收到用戶輸入的虛擬形象生成請求；

若接收到虛擬形象生成請求，則確定滿足虛擬形象生成條件；

若未接收到虛擬形象生成請求，則確定不滿足虛擬形象生成條件。

4.根據權利要求2所述的方法，其特征在于，所述判斷是否滿足虛擬形象生成條件，包括：

判斷是否監測到虛擬形象所在場景進入信息；

若監測到所述虛擬形象所在場景進入信息，則確定滿足虛擬形象生成條件；

若未監測到所述虛擬形象所在場景進入信息，則確定不滿足虛擬形象生成條件。

5.根據權利要求1所述的方法，其特征在于，所述根據所述第一隨機噪聲圖像和訓練至收斂的形象生成模型生成對應的第一虛擬形象圖像，包括：

將所述第一隨機噪聲圖像輸入到所述訓練至收斂的形象生成模型中；

采用所述訓練至收斂的形象生成模型生成對應的第一虛擬形象圖像。

6.根據權利要求5所述的方法，其特征在于，所述根據所述第一隨機噪聲圖像和訓練至收斂的形象生成模型生成對應的第一虛擬形象圖像之前，還包括：

獲取第一訓練樣本，所述第一訓練樣本為第二隨機噪聲圖像和對應的第二虛擬形象圖像；

采用第一訓練樣本對初始形象生成模型進行訓練；

判斷是否滿足形象生成模型收斂條件；

若確定滿足形象生成模型收斂條件，則將滿足形象生成模型收斂條件的形象生成模型確定為所述訓練至收斂的形象生成模型。

7.根據權利要求6所述的方法，其特征在于，所述訓練至收斂的形象生成模型為訓練至收斂的對抗生成網絡模型，所述初始形象生成模型為初始對抗生成網絡模型。

8.根據權利要求1所述的方法，其特征在于，所述確定所述第一虛擬形象圖像中第一虛擬形象的類別信息，包括：

將所述第一虛擬形象圖像輸入到訓練至收斂的類別識別模型中；

采用所述訓練至收斂的類別識別模型對所述第一虛擬形象圖像中第一虛擬形象的類別進行識別；

通過所述訓練至收斂的類別識別模型輸出所述第一虛擬形象的類別信息。

9.根據權利要求8所述的方法，其特征在于，所述將所述第一虛擬形象圖像輸入到訓練至收斂的類別識別模型中之前，還包括：

獲取第二訓練樣本，所述第二訓練樣本為第二虛擬形象圖像和對應第二虛擬形象的類別信息；

采用第二訓練樣本對初始類別識別模型進行訓練；

判斷是否滿足類別識別模型收斂條件；

若確定滿足類別識別模型收斂條件，則將滿足類別識別模型收斂條件的類別識別模型確定為所述訓練至收斂的類別識別模型。

10.根據權利要求9所述的方法，其特征在于，所述訓練至收斂的類別識別模型為訓練至收斂的深度殘差網絡模型，所述初始類別識別模型為初始深度殘差網絡模型。