[发明专利]一种视频生成方法、装置、电子设备及存储介质

权利要求书

1.一种视频生成方法，其特征在于，所述方法包括：

获取对待处理图像进行深度估计得到的每个像素点的深度距离值和所述待处理图像中每个像素点的像素坐标值；

根据所述每个像素点的像素坐标值和该像素点的深度距离值，计算所述每个像素点的相机坐标值；

获取预先对所述待处理图像设置的多个相机坐标改变值；

根据每个相机坐标改变值和所述每个像素点的相机坐标值，计算每个像素点的改变后的像素坐标值，按照每个像素点的改变后的像素坐标值，重构按照该相机坐标改变值改变后的图像；

根据按照所述多个相机坐标改变值重构的多个图像，生成与所述多个图像对应的视频；

所述获取预先对所述待处理图像设置的多个相机坐标改变值，包括：获取预先对所述待处理图像的设置的具有先后顺序的多个相机坐标改变值；

所述根据按照所述多个相机坐标改变值改变后的多个图像，生成与所述多个图像对应的视频，包括：按照所述多个相机坐标改变值的顺序，对所述多个图像进行排序，得到排序后的多个图像；按照所述排序后的多个图像，生成与所述排序后的多个图像对应的视频；

在所述获取对待处理图像进行深度估计得到的每个像素点的深度距离值和所述待处理图像中每个像素点的像素坐标值之前，所述方法还包括：

将所述待处理图像输入至预先训练得到的深度估计神经网络的特征提取层，提取所述待处理图像的低层特征图、中层特征图以及高层特征图，其中，所述预先训练得到的深度估计神经网络还包括：多尺度特征图提取层、特征融合层以及深度估计层；

将所述高层特征图输入所述多尺度特征图提取层，提取所述待处理图像的多尺度特征图；

将所述多尺度特征图、所述低层特征图、所述中层特征图以及所述高层特征图，输入所述特征融合层进行特征融合，得到特征融合后的特征图；

将所述特征融合后的特征图输入所述深度估计层，得到所述待处理图像中每个像素点的深度距离值。

2.根据权利要求1所述的方法，其特征在于，所述预先训练得到的深度估计神经网络是由预先选择的训练样本训练得到的；预先选择训练样本，包括：

统计多个待选择样本集中每个待选择样本集的待选择样本的数量和所述多个待选择样本集中所有待选择样本的总数量；

根据每个待选择样本集中待选择样本的数量和所述所有待选择样本的总数量，计算该待选择样本集的选择权重；

根据每个待选择样本集的选择权重和所述每个待选择样本集中待选择样本的数量，计算每个待选择样本集的选择概率；

按照每个待选择样本集的选择概率，从该待选择样本集中选择待选择样本作为训练样本。

3.根据权利要求1所述的方法，其特征在于，所述多尺度特征图提取层包括多个特征图提取子层，每个所述特征图提取子层提取的特征图的尺度不同，所述将所述高层特征图输入所述多尺度特征图提取层，提取所述待处理图像的多尺度特征图，包括：

将所述高层特征图同时输入所述多个特征图提取子层，得到与每个特征图提取子层对应尺度的特征图。

4.根据权利要求1所述的方法，其特征在于，所述特征融合层包括：第一特征融合子层、第二特征融合子层以及第三特征融合子层；

所述将所述多尺度特征图、所述低层特征图、所述中层特征图以及所述高层特征图，输入所述特征融合层进行特征融合，得到特征融合后的特征图，包括：

将所述多尺度特征图和所述高层特征图输入所述第一特征融合子层，得到特征融合后的第一特征图；

将所述特征融合后的第一特征图和所述中层特征图输入所述第二特征融合子层，得到特征融合后的第二特征图；

将所述特征融合后的第二特征图和所述低层特征图输入所述第三特征融合子层，得到所述特征融合后的特征图。