[發明專利]圖像處理模型的訓練方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010156852.5
• 申請日: 2020-03-09
• 公開（公告）號: CN111353546B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 朱俊偉;倪輝;邰穎;曹赟;陳旭;葛彥昊;汪鋮杰;李季檁
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/774;G06V10/764;G06V40/16;G06T3/00
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃晶晶

1.一種圖像處理模型的訓練方法，其特征在于，所述方法包括：

獲取三元組樣本，所述三元組樣本包括源圖像、第一圖像和目標圖像；所述源圖像和所述目標圖像中包括相同對象的臉部，所述相同對象在所述源圖像和所述目標圖像中對應不同的非身份屬性，所述第一圖像和所述源圖像中包括不同對象的臉部，所述不同對象在所述第一圖像和所述源圖像中對應相同的非身份屬性；所述第一圖像和所述目標圖像中包括不同對象的臉部，所述不同對象在所述第一圖像和所述目標圖像中對應相同的非身份屬性；

將所述源圖像和所述第一圖像輸入圖像處理模型中的生成器，以通過所述生成器將所述第一圖像中對象的臉部替換為所述源圖像中對象的臉部，得到輸出圖像；

將所述源圖像、所述第一圖像、所述目標圖像和所述輸出圖像輸入所述圖像處理模型中的判別器，得到圖像屬性判別結果；所述圖像屬性包括偽造圖像和非偽造圖像；

根據所述圖像屬性判別結果調整所述生成器的參數和所述判別器的參數并繼續訓練，當滿足預設條件時停止訓練，得到訓練好的圖像處理模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取三元組樣本，包括：

獲取源圖像、目標圖像和第二圖像，所述第二圖像和所述目標圖像對應不同的身份屬性；

將所述目標圖像中對象的臉部替換為第二圖像中對象的臉部，得到第一圖像；所述第一圖像和所述第二圖像對應相同的身份屬性；

將所述源圖像、所述第一圖像和所述目標圖像作為三元組樣本。

3.根據權利要求1所述的方法，其特征在于，所述獲取三元組樣本，包括：

獲取原始視頻和目標視頻，所述原始視頻和所述目標視頻對應相同的非身份屬性，所述原始視頻和所述目標視頻對應不同的身份屬性；

從所述原始視頻中獲取包含同一對象的圖像作為源圖像和目標圖像；

從所述目標視頻中獲取與所述原始視頻中的目標圖像相同幀的圖像作為第一圖像；

將所述源圖像、所述第一圖像和所述目標圖像作為三元組樣本。

4.根據權利要求1所述的方法，其特征在于，所述將所述源圖像、所述第一圖像、所述目標圖像和所述輸出圖像輸入所述圖像處理模型中的判別器，得到圖像屬性判別結果，包括：

將所述源圖像、所述第一圖像、所述目標圖像作為第一組合輸入所述圖像處理模型中的判別器，得到所述第一組合對應的第一判別概率；所述第一判別概率表征所述第一組合為非偽造圖像的概率；

將所述源圖像、所述第一圖像、所述輸出圖像作為第二組合輸入所述判別器，得到所述第二組合對應的第二判別概率；所述第二判別概率表征所述第二組合為偽造圖像的概率；

所述根據所述圖像屬性判別結果調整所述生成器的參數和所述判別器的參數并繼續訓練，包括：

根據所述第一判別概率和所述第二判別概率調整所述生成器的參數和所述判別器的參數并繼續訓練。

5.根據權利要求4所述的方法，其特征在于，根據所述第一判別概率和所述第二判別概率調整所述判別器的參數，包括：

獲取所述第一組合對應的標簽和所述第二組合對應的第一標簽，根據所述第一組合對應的標簽、所述第一判別概率、所述第二組合對應的第一標簽和所述第二判別概率確定第一損失函數；

基于所述第一損失函數訓練所述判別器，滿足訓練停止條件時得到訓練好的判別器。

6.根據權利要求1所述的方法，其特征在于，所述圖像處理模型中的生成器的訓練方式包括：

獲取所述輸出圖像和所述目標圖像之間的特征向量相似度、通道空間相似度、多層次特征相似度，以及所述輸出圖像和所述源圖像之間的特征向量相似度；

根據所述輸出圖像和所述目標圖像之間的特征向量相似度、通道空間相似度、多層次特征相似度，以及所述輸出圖像和所述源圖像之間的特征向量相似度構建第二損失函數；

基于所述第二損失函數訓練圖像處理模型中的生成器，當滿足訓練停止條件時停止訓練，得到訓練好的生成器。