[發明專利]圖像的處理方法及裝置、數據處理方法

在審

• 申請號: 202010530179.7
• 申請日: 2020-06-11
• 公開（公告）號: CN113808002A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 王攀;高占寧;任沛然;謝宣松
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06Q30/06;G06T11/00
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;張文華

1.一種圖像的處理方法，其特征在于，包括：

獲取目標對象的第一圖像和目標旋轉角度；

按照所述目標旋轉角度對所述第一圖像進行旋轉，生成第二圖像；

基于所述第一圖像和所述第二圖像，生成所述目標對象對應的目標圖像，所述目標圖像的細節特征多于所述第一圖像的細節特征，其中，所述第二圖像和所述目標圖像均包括所述目標對象旋轉所述目標旋轉角度后的姿態信息。

2.一種圖像的處理方法，其特征在于，包括：

獲取目標對象對應的第一多媒體數據，以及用于對所述第一多媒體數據中目標部位進行轉換的轉換描述數據，其中，所述目標部位為所述目標對象的任意一個部位；

基于所述第一多媒體數據和所述轉換描述數據，生成所述目標對象對應的第一圖像，其中，所述第一圖像中包括對所述目標部位按照所述轉換描述數據進行轉換后的圖像；

基于所述第一多媒體數據和所述第一圖像，生成所述目標對象對應的第二圖像，所述第二圖像中包括對所述目標部位按照所述轉換描述數據進行轉換后的圖像，所述第二圖像中所述目標部位的細節特征多于所述第一圖像中所述目標部位的細節特征。

3.根據權利要求2所述的方法，其特征在于，所述轉換描述數據通過以下方式獲取：

接收來自所述目標對象輸入的轉換指令，其中，該轉換指令中攜帶有所述轉換描述數據；

接收所述目標對象的語音信息，并從所述語音信息中識別出所述轉換描述數據。

4.一種圖像的處理方法，其特征在于，包括：

獲取在相鄰采樣時刻采集的第一目標對象的多個圖像；

確定所述多個圖像中所述第一目標對象的姿態變化信息；

獲取第二目標對象的第一圖像；

依據所述姿態變化信息對所述第一圖像進行轉換，生成第二圖像；

基于所述第一圖像和所述第二圖像，生成所述第二目標對象對應的目標圖像，所述目標圖像的細節特征多于所述第一圖像的細節特征。

5.一種圖像的處理方法，其特征在于，包括：

接收目標對象的第一外觀圖和目標姿態的姿態信息，其中，所述第一外觀圖為所述目標對象在當前姿態下的圖像，所述目標姿態為所述目標對象從所述當前姿態進行轉換后的姿態；

基于所述第一外觀圖和所述目標姿態的姿態信息，生成所述目標對象轉換為所述目標姿態時的第二外觀圖；

使用全局殘差網絡模型對所述第二外觀圖和所述第一外觀圖進行處理，生成所述目標對象在所述目標姿態下的第三外觀圖，所述第三外觀圖的細節特征多于所述第二外觀圖的細節特征。

6.根據權利要求5所述的方法，其特征在于，基于所述第一外觀圖和所述目標姿態的姿態信息，生成所述目標對象轉換為所述目標姿態時的第二外觀圖，包括：

使用第一神經網絡模型處理所述第一外觀圖和所述目標姿態的姿態信息，生成所述第二外觀圖，其中，使用訓練樣本集對所述神經網絡模型進行訓練。

7.根據權利要求6所述的方法，其特征在于，在使用第一神經網絡模型處理所述第一外觀圖和所述目標姿態的姿態信息，生成所述第二外觀圖之前，所述方法還包括：

使用所述訓練樣本集來訓練擬合網絡模型的模型參數，生成所述第一神經網絡模型，其中，所述第一神經網絡模型用于生成待識別的目標圖像的第二外觀圖。

8.根據權利要求7所述的方法，其特征在于，在使用所述訓練樣本集來訓練擬合網絡模型的模型參數之前，所述方法還包括：構建所述訓練樣本集，其中，所述訓練樣本集包括多組訓練樣本，其中，構建所述訓練樣本集包括：

獲取多張姿態圖像；

從所述多張姿態圖像中隨機抽取具有相同樣本對象的第一樣本圖片和第二樣本圖片，其中，所述第一樣本圖片為所述樣本對象變換為目標姿態前的圖像，所述第二樣本圖片為所述樣本對象變換為所述目標姿態后的圖像；

從所述第二樣本圖片中，提取所述目標姿態的姿態圖像；

基于所述第一樣本圖片、所述第二樣本圖片和提取到的姿態圖像，構建一組訓練樣本。