[发明专利]一种漫画动图生成方法、装置及存储介质

权利要求书

1.一种漫画动图生成方法，其特征在于，所述方法包括：

向卷积神经网络模型中输入第一图像，所述第一图像用于表征真实人脸，所述第一图像至少包括所述真实人脸的表情信息；

接收所述卷积神经网络模型输出的与所述第一图像对应的第二图像，以及与所述真实人脸的表情对应的第一差异向量；

所述第二图像用于表征漫画人脸，所述漫画人脸与所述真实人脸相对应，所述第二图像至少包括所述漫画人脸的表情信息，所述第一差异向量用于表征以所述漫画人脸在所述第二图像中的表情为表情起点的连续变化的表情对应的多帧图像与其前一帧图像之间的图像差异；

基于所述第二图像和所述第一差异向量，生成以所述第二图像为起始帧的包括所述漫画人脸连续变化表情的漫画动图。

2.根据权利要求1所述的方法，其特征在于，

所述第一差异向量的数量为至少两个；

所述基于所述第二图像和所述第一差异向量，生成以所述第二图像为起始帧的包括所述漫画人脸连续变化表情的漫画动图，包括：

基于所述第二图像和所述第一差异向量，得到预设数量的图像，其中，所述预设数量的图像包含以所述漫画人脸在所述第二图像中的表情为表情起点的连续变化的表情；

基于所述第二图像以及所述预设数量的图像，生成漫画动图。

3.根据权利要求2所述的方法，其特征在于，所述第一差异向量是由所述卷积神经网络模型基于输入的前一帧图像以及前一帧图像对应的指定第一差异向量得到的，其中，所述前一帧图像对应的指定第一差异向量用于表征所述前一帧图像的后一帧图像与所述前一帧图像之间的图像差异，所述前一帧图像的后一帧图像与所述前一帧图像包含连续变化的表情。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述卷积神经网络模型进行训练；

其中，所述对所述卷积神经网络模型进行训练包括：

根据第三图像以及第四图像对所述卷积神经网络模型进行第一阶段的训练，以实现根据包含真实人脸的图像得到对应的包含漫画人脸的图像，其中，所述第三图像为漫画人脸图像、所述第四图像为真实人脸图像；

根据第一媒体文件，对所述卷积神经网络模型进行第二阶段的训练，以实现根据真实人脸的连续变化的表情，得到表征与所述真实人脸对应的漫画人脸的连续表情变化的图像之间的差异向量；其中，所述媒体文件包括真实人脸连续变化的表情，所述媒体文件至少包括动图或视频。

5.根据权利要求4所述的方法，其特征在于，所述根据第三图像以及第四图像对所述卷积神经网络模型进行第一阶段的训练，包括：

基于所述第三图像以及第四图像，确定所述卷积神经网络模型中的第一参数，其中，所述第一参数用于使所述卷积神经网络模型基于输入的包含真实人脸的图像，输出对应的包含漫画人脸的图像，以及基于输入的包含漫画人脸的图像输出对应的包含漫画人脸的图像。

6.根据权利要求5所述的方法，其特征在于，所述卷积神经网络模型中的第一参数至少包括第一提取参数、第二提取参数，以及第三提取参数，其中，所述第一提取参数用于使所述卷积神经网络模型对所述第三图像的图像特征和所述第四图像的图像特征的第一提取结果进行调整；所述第二提取参数用于使所述卷积神经网络模型对所述媒体文件中的连续两帧图像对应的图像特征点差值的第二提取结果进行调整；所述第三提取参数用于使所述卷积神经网络模型对目标特征的第三提取结果进行调整，所述目标特征为基于所述第一提取结果和所述第二提取结果确定的特征。

7.根据权利要求4所述的方法，其特征在于，所述根据采集的媒体文件，对所述卷积神经网络模型进行第二阶段的训练，包括：

基于所述采集的媒体文件，确定所述卷积神经网络模型中的第二参数，其中，所述第二参数用于使所述卷积神经网络模型基于输入的包含真实人脸的连续变化表情的媒体文件输出最小的对应差异偏差值，所述对应差异偏差值为所述媒体文件中包含所述真实人脸的连续变化表情的图像之间的图像特征点差值，与包含漫画人脸的连续变化表情的图像之间的图像特征点差值之间的偏差值，所述漫画人脸与所述真实人脸相对应。