[發明專利]一種超清人臉圖像重建方法、裝置及移動終端

在審

• 申請號: 202110252366.8
• 申請日: 2021-03-08
• 公開（公告）號: CN115049543A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 康圣博;周亦博
• 申請（專利權）人: 深圳市萬普拉斯科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 梁韜

1.一種超清人臉圖像重建方法，其特征在于，應用于移動終端，所述方法包括：

通過預先構建的人臉圖像神經網絡模型的編碼器將真實人臉低清圖像映射到低維隱空間，得到真實人臉低清圖像低維矩陣；

通過所述人臉圖像神經網絡模型的特征分布傳遞器將所述真實人臉低清圖像低維矩陣映射到高維隱空間，得到高清人臉圖像高維矩陣；

通過所述人臉圖像神經網絡模型的解碼器對所述高清人臉圖像高維矩陣進行解碼，得到高清人臉圖像。

2.根據權利要求1所述的方法，其特征在于，包括：所述編碼器以通過降低第一損失函數的分值的方式對第一編碼解碼神經網絡模型的第一編碼器進行訓練得到，所述第一損失函數根據第一合成人臉低清圖像低維矩陣與第一真實人臉低清圖像低維矩陣的差異得到，所述第一合成人臉低清圖像低維矩陣由所述第一編碼器將第一人臉合成低清圖像映射到所述低維隱空間得到，所述第一真實人臉低清圖像低維矩陣由所述第一編碼器將第一人臉真實低清圖像映射到所述低維隱空間得到。

3.根據權利要求2所述的方法，其特征在于，所述編碼器以通過降低第二損失函數的分值的方式對所述第一編碼解碼神經網絡模型的所述第一編碼器進行訓練得到，所述第二損失函數根據第一合成人臉低清解碼圖像與第一真實人臉低清解碼圖像的差異得到，所述第一合成人臉低清解碼圖像由所述第一編碼解碼神經網絡模型的第一解碼器將所述第一合成人臉低清圖像低維矩陣解碼得到，所述第一真實人臉低清解碼圖像由所述第一編碼解碼神經網絡模型的所述第一解碼器將所述第一真實人臉低清圖像低維矩陣解碼得到。

4.根據權利要求3所述的方法，其特征在于，所述解碼器以通過降低第三損失函數的分值的方式對第二編碼解碼神經網絡模型的第二解碼器進行訓練得到，所述第三損失函數根據第一真實人臉高清圖像與第一真實人臉高清解碼圖像的差異得到，所述第一真實人臉高清解碼圖像由所述第二編碼解碼神經網絡模型的第二解碼器對第一真實人臉高清圖像高維矩陣解碼得到，所述第一真實人臉高清圖像高維矩陣由所述第二編碼解碼神經網絡模型的第二編碼器將第一真實人臉高清圖像映射到高維隱空間得到。

5.根據權利要求4所述的方法，其特征在于，所述特征分布傳遞器以通過降低第四損失函數的分值的方式待訓練特征分布傳遞器進行訓練得到，所述第四損失函數根據第二真實人臉高清解碼圖像與第二真實人臉高清圖像的差異得到，所述第二真實人臉高清解碼圖像由所述解碼器對第二真實人臉圖像高維矩陣解碼得到，所述第二真實人臉圖像高維矩陣由所述待訓練特征分布傳遞器將第二真實人臉低清圖像低維矩陣映射到高維隱空間得到，所述第二真實人臉低清圖像由所述編碼器將所述第二真實人臉低清圖像映射到所述低維隱空間得到，所述第二真實人臉高清圖像為所述第二真實人臉低清圖像對應的真實高清圖像。

6.根據權利要求2所述的方法，其特征在于，所述第一損失函數由特征鑒別器根據所述第一合成人臉低清圖像低維矩陣與所述第一真實人臉低清圖像低維矩陣的差異得到。

7.根據權利要求3所述的方法，其特征在于，所述第二損失函數包括第一感知損失函數和/或第一PatchGAN損失函數，所述第一感知損失函數及所述第一PatchGAN損失函數分別由第一VGG鑒別器及第一PatchGAN鑒別器根據所述第一合成人臉低清圖像低維矩陣與所述第一真實人臉低清圖像低維矩陣的差異得到。

8.根據權利要求4所述的方法，其特征在于，所述第三損失函數包括第二感知損失函數和/或第二PatchGAN損失函數，所述第二感知損失函數及所述第二PatchGAN損失函數分別由第二VGG鑒別器及第二PatchGAN鑒別器根據所述第一真實人臉高清圖像與所述第一真實人臉高清解碼圖像的差異得到。