[發(fā)明專利]人臉屬性編輯模型的訓練方法、人臉屬性編輯方法及設備

在審

• 申請?zhí)枺?/td>: 202110143937.4
• 申請日: 2021-02-02
• 公開（公告）號: CN112819689A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設計）人: 黃嘉彬;李玉樂;項偉
• 申請（專利權(quán)）人: 百果園技術（新加坡）有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T9/00;G06K9/00
• 代理公司: 北京三高永信知識產(chǎn)權(quán)代理有限責任公司 11138
• 代理人: 邢少真

本申請實施例公開了一種人臉屬性編輯模型的訓練方法、人臉屬性編輯方法及設備，屬于人工智能領域。該方法包括：將第一圖片輸入圖片編碼器，得到圖片編碼器輸出的編碼特征；將編碼特征分別輸入第一圖片解碼器和第二圖片解碼器，得到第二圖片和第三圖片；基于第二圖片和第三圖片，構(gòu)建第一圖片解碼器的目標損失函數(shù)，目標損失函數(shù)包括對抗損失和特征匹配損失，特征匹配損失用于約束圖片間深層語義特征的相似性；基于目標損失函數(shù)訓練第一圖片解碼器，將圖片編碼器和訓練得到的第一圖片解碼器確定為人臉屬性編輯模型。采用本申請實施例提供的方案，能夠保證生成圖片與原始圖片中深層特征的一致性，有助于提高人臉屬性的編輯質(zhì)量。

技術領域

本申請實施例涉及人工智能領域，特別涉及一種人臉屬性編輯模型的訓練方法、人臉屬性編輯方法及設備。

背景技術

人臉屬性編輯是一種改變圖片或視頻中人臉特定屬性的技術，比如，通過人臉屬性編輯可以實現(xiàn)將圖片中人臉變老、變年輕、將男性人臉變?yōu)榕匀四槨⒒蜃優(yōu)槊餍悄槨?/p>

相關技術中，通常采用基于自編碼器(auto-encoder)訓練得到人臉屬性編輯模型進行人臉屬性編輯。其中，在訓練人臉屬性編輯模型時，通常以對抗損失作為損失函數(shù)進行模型訓練。

然而，采用對抗損失作為損失函數(shù)進行模型訓練時，由于訓練過程中僅關注待編輯的屬性，因此容易導致生成圖片的特征丟失，影響人臉屬性編輯質(zhì)量。

發(fā)明內(nèi)容

本申請實施例提供了一種人臉屬性編輯模型的訓練方法、人臉屬性編輯方法及設備。所述技術方案如下：

一方面，本申請實施例提供了一種人臉屬性編輯模型的訓練方法，所述方法包括：

將第一圖片輸入圖片編碼器，得到所述圖片編碼器輸出的編碼特征，所述第一圖片中的人臉具有第一屬性；

將所述編碼特征分別輸入第一圖片解碼器和第二圖片解碼器，得到所述第一圖片解碼器輸出的第二圖片，以及所述第二解碼器輸出的第三圖片，所述第二圖片中的人臉具有第二屬性，所述第三圖片中的人臉具有第一屬性，且所述第一屬性不同于所述第二屬性；

基于所述第二圖片和所述第三圖片，構(gòu)建所述第一圖片解碼器的目標損失函數(shù)，所述目標損失函數(shù)包括對抗損失和特征匹配損失，所述特征匹配損失用于約束圖片間深層語義特征的相似性；

基于所述目標損失函數(shù)訓練所述第一圖片解碼器，并將所述圖片編碼器和訓練得到的所述第一圖片解碼器確定為所述人臉屬性編輯模型。

另一方面，本申請實施例提供了一種人臉屬性編輯方法，所述方法包括：

獲取待編輯圖片和目標人臉屬性，所述待編輯圖片中人臉的屬性與所述目標人臉屬性不同；

確定所述目標人臉屬性對應的目標人臉屬性編輯模型，所述目標人臉屬性編輯模型由圖片編碼器和圖片解碼器構(gòu)成，且所述圖片解碼器基于目標損失函數(shù)訓練得到，所述目標損失函數(shù)包括對抗損失和特征匹配損失，所述特征匹配損失用于約束圖片間深層語義特征的相似性；

將所述待編輯圖片輸入所述目標人臉屬性編輯模型，得到所述目標人臉屬性編輯模型輸出的目標圖片，所述目標圖片中的人臉具有所述目標人臉屬性。

另一方面，本申請實施例提供了一種人臉屬性編輯模型的訓練裝置，所述裝置包括：

編碼模塊，用于將第一圖片輸入圖片編碼器，得到所述圖片編碼器輸出的編碼特征，所述第一圖片中的人臉具有第一屬性；

解碼模塊，用于將所述編碼特征分別輸入第一圖片解碼器和第二圖片解碼器，得到所述第一圖片解碼器輸出的第二圖片，以及所述第二解碼器輸出的第三圖片，所述第二圖片中的人臉具有第二屬性，所述第三圖片中的人臉具有第一屬性，且所述第一屬性不同于所述第二屬性；