[发明专利]图像生成方法和装置

权利要求书

1.一种图像生成方法，包括：

获取待处理图像，其中，所述待处理图像为在非正面均匀光源条件下拍摄的图像；

将所述待处理图像输入至预先训练的图像生成模型，得到对所述待处理图像进行光线调整后的优化图像，其中，所述优化图像为在正面均匀光源条件下所呈现的图像，所述图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；

其中，所述方法还包括：

提取预先建立的三维人脸模型；

分别设置不同的光源参数对所述三维人脸模型进行渲染，得到在光照参数不同的情况下的第一图像和第二图像，其中，所述第一图像的光源参数为非正面均匀光源条件下的参数，所述第二图像的光源参数为正面均匀光源条件下的参数；

将所述第一图像和所述第二图像组成用于训练所述图像生成模型的训练样本。

2.根据权利要求1所述的图像生成方法，其中，所述图像生成模型通过如下步骤训练得到：

提取预置的训练样本，所述训练样本包括多个在非正面均匀光源条件下生成的第一图像和在正面均匀光源条件下生成的第二图像；

利用深度学习方法，将所述第一图像作为输入，基于所述第二图像和预设的损失函数训练得到图像生成模型，所述损失函数的值用于表征所述图像生成模型输出的图像与所述第二图像的差异程度。

3.根据权利要求1所述的图像生成方法，其中，所述图像生成模型通过如下步骤训练得到：

提取预置的训练样本，所述训练样本包括多个在非正面均匀光源条件下生成的第一图像和在正面均匀光源条件下生成的第二图像；

提取预先建立的生成式对抗网络，其中，所述生成式对抗网络包括生成网络和判别网络，所述生成网络用于对所输入的图像进行光照调整并输出调整后的图像，所述判别网络用于确定所输入的图像是否为所述生成网络所输出的图像；

基于机器学习方法，将所述第一图像作为所述生成网络的输入，将所述生成网络输出的图像和所述第二图像作为所述判别网络的输入，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为图像生成模型。

4.根据权利要求3所述的图像生成方法，其中，所述基于机器学习方法，将所述第一图像作为所述生成网络的输入，将所述生成网络输出的图像和所述第二图像作为所述判别网络的输入，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为图像生成模型，包括：

执行如下训练步骤：固定所述生成网络的参数，将所述第一图像作为所述生成网络的输入，将所述生成网络输出的图像、所述第二图像作为所述判别网络的输入，利用机器学习方法对所述判别网络进行训练；固定训练后的所述判别网络的参数，将所述第一图像作为所述生成网络的输入，利用机器学习方法、反向传播算法和梯度下降算法对所述生成网络进行训练；统计训练后的所述判别网络输出的判别结果的准确率，响应于确定所述准确率为预设数值，将所述生成网络确定为所述图像生成模型。

5.根据权利要求4所述的图像生成方法，其中，所述基于机器学习方法，将所述第一图像作为所述生成网络的输入，将所述生成网络输出的图像和所述第二图像作为所述判别网络的输入，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为图像生成模型，还包括：

响应于确定所述准确率不为所述预设数值，使用训练后的所述生成网络和所述判别网络重新执行所述训练步骤。