[發明專利]圖片處理方法及裝置

在審

• 申請號: 202110556596.3
• 申請日: 2021-05-21
• 公開（公告）號: CN113205149A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 劉蓉;余超贏
• 申請（專利權）人: 珠海金山網絡游戲科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T3/40
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 吳肖肖

本申請提供圖片處理方法及裝置，其中所述圖片處理方法包括：將獲取的第一圖片和第二圖片進行分類，得到至少一個目標類別，其中每個目標類別中包含至少一張第一初始圖片和至少一張第二初始圖片，所述第一初始圖片為任意一張第一圖片，所述第二初始圖片為任意一張第二圖片，所述第一圖片的分辨率高于所述第二圖片的分辨率；根據同一個目標類別中每張第二初始圖片與每張第一初始圖片的相似度確定每張第二初始圖片對應的相似集合；根據每張第二初始圖片的特征信息矩陣對每張第二初始圖片對應的相似集合中的每張第一初始圖片進行下采樣，得到每張第一初始圖片對應的目標圖片，其中所述目標圖片的特征信息與所述第二初始圖片的特征信息相同。

技術領域

本申請涉及計算機技術領域，特別涉及一種圖片處理方法。本申請同時涉及一種圖片處理裝置、一種超分辨模型訓練方法、一種超分辨模型訓練裝置、一種計算設備，以及一種計算機可讀存儲介質。

背景技術

隨著計算機技術的迅速發展，計算機的硬件設備得到了迅速的更新。游戲客戶端的顯示設備的清晰度也大幅度提升，針對廣泛使用的高分辨率的顯示設備，各個游戲廠商紛紛推出了高清和超高清的游戲資源。但是對于經典游戲來說，由于其制作時間久遠且只有分辨率較低的游戲素材，無法滿足超高清版本的制作需求。因此，對低清游戲素材進行超分辨是勢在必行的任務。

現有技術中，通常采用主流的超分辨模型進行對低清圖片進行超分辨，即由高清圖片下采樣生成低清圖片，構成低清——高清的配對訓練樣本，在這些配對的數據上訓練深度網絡模型。在這種模式下，模型的訓練集和驗證集的低清數據從同一種方法(下采樣)得到，屬于同一個域內，因此在訓練數據上適用的模型在驗證數據上同樣適用。但是在實際應用中，以游戲貼圖素材作為測試集，它不是利用下采樣的方法得到的，而是由美術專家一張張繪制得到。它和一般下采樣的低清圖片不在同一個域內，因此，基于下采樣構造的超分辨數據集訓練的超分辨模型無法適用于低清游戲素材。此外，早期的游戲素材由于其風格、年代、制作人等差異，相互之間存在較大的差異性，不能假設其處于同一域內，因此需要根據實際情況差異化處理。

發明內容

有鑒于此，本申請實施例提供了一種圖片處理方法。本申請同時涉及一種圖片處理裝置、一種超分辨模型訓練方法、一種超分辨模型訓練裝置、一種計算設備，以及一種計算機可讀存儲介質，以解決現有技術中存在的低清游戲素材與下采樣的低清圖片不在同一個域內且各個游戲素材差異較大的問題。

根據本申請實施例的第一方面，提供了一種圖片處理方法，包括：

將獲取的第一圖片和第二圖片進行分類，得到至少一個目標類別，其中每個目標類別中包含至少一張第一初始圖片和至少一張第二初始圖片，所述第一初始圖片為任意一張第一圖片，所述第二初始圖片為任意一張第二圖片，所述第一圖片的分辨率高于所述第二圖片的分辨率；

根據同一個目標類別中每張第二初始圖片與每張第一初始圖片的相似度確定每張第二初始圖片對應的相似集合；

根據每張第二初始圖片的特征信息矩陣對每張第二初始圖片對應的相似集合中的每張第一初始圖片進行下采樣，得到每張第一初始圖片對應的目標圖片，其中所述目標圖片的特征信息與所述第二初始圖片的特征信息相同。

根據本申請實施例的第二方面，提供了一種超分辨模型訓練方法，包括：

接收訓練樣本和標簽，其中所述標簽為第一初始圖片，所述訓練樣本為所述第一初始圖片對應的目標圖片，所述目標圖片是通過上述圖片處理方法處理得到的；

將所述目標圖片輸入至超分辨模型中獲得預測圖片，根據所述預測圖片和所述第一初始圖片計算損失值；

根據所述損失值調整所述超分辨模型的參數，訓練所述超分辨模型，直至達到訓練停止條件。

根據本申請實施例的第三方面，提供了一種圖片處理裝置，包括：