[发明专利]人脸图像的修复方法与装置、修复模型、介质和设备

说明书

本公开涉及人工智能技术领域，提供了一种人脸图像的修复方法与装置、人脸图像的修复模型、介质和设备。该方法包括：获取待修复图像，并获取待修复图像对应的人脸标记点图像；将待修复图像和人脸标记点图像输入至人脸图像的修复模型；基于人脸图像的修复模型对待修复图像和人脸标记点图像进行至少两次空间特征转换处理，得到融合人脸特征；将融合人脸特征进行卷积处理，并将人脸图像的修复模型的输出确定为待修复图像对应的修复后图像。本技术方案能够提升人脸修复准确度。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种人脸图像的修复方法与装置、一种人脸图像的修复模型，以及实现上述方法的计算机可读存储介质和电子设备。

背景技术

图像修复(image restoration)用于恢复图像的原来画面，具体是将降质图像重建成接近于或完全无退化的原始理想图像的过程。

相关技术中提供了一种超分辨率重建方法，利用常用的公开人脸数据集制作低分辨率和对应高分辨率的图像数据集，以训练机器学习模型来确定人脸超分模型。但是，图像超分处理过程造成的图像细节损失且无法恢复，导致人脸修复准确度较低。

可见，相关技术提供的方案的人脸修复准确度有待提高。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开的目的在于提供一种人脸图像的修复方法与装置、一种人脸图像的修复模型，以及实现上述方法的计算机可读存储介质和电子设备，通过该方案提供的人脸修复方案，能够在一定程度上提升人脸修复的准确度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种人脸图像的修复方法，包括：获取待修复图像，并获取上述待修复图像对应的人脸标记点图像；将上述待修复图像和上述人脸标记点图像输入至人脸图像的修复模型；基于上述人脸图像的修复模型对上述待修复图像和上述人脸标记点图像进行至少两次空间特征转换处理，得到融合人脸特征；将上述融合人脸特征进行卷积处理，并将上述人脸图像的修复模型的输出确定为上述待修复图像对应的修复后图像。

根据本公开的一个方面，提供了一种人脸图像的修复模型，包括：第一卷积模块，被配置为：对待修复图像进行至少两次卷积处理，以得到人脸原始特征；第二卷积模块，被配置为：对人脸标记点图像进行至少两次卷积处理，以得到人脸标记特征；空间特征转换模块，被配置为：对上述待修复图像和上述人脸标记点图像进行至少两次空间特征转换处理，得到融合人脸特征；第三卷积模块，被配置为：将上述融合人脸特征进行卷积处理，以得到上述待修复图像对应的修复后图像。

根据本公开的一个方面，提供了一种人脸图像的修复装置，包括：图像获取模块、图像输入模块、特征转换模块以及图像输出模块。

其中，上述图像获取模块，被配置为：获取待修复图像，并获取上述待修复图像对应的人脸标记点图像；上述图像输入模块，被配置为：将上述待修复图像和上述人脸标记点图像输入至人脸图像的修复模型；上述特征转换模块，被配置为：基于上述人脸图像的修复模型对上述待修复图像和上述人脸标记点图像进行至少两次空间特征转换处理，得到融合人脸特征；以及，上述图像输出模块，被配置为：将上述融合人脸特征进行卷积处理，并将上述人脸图像的修复模型的输出确定为上述待修复图像对应的修复后图像。

在本公开的一些实施例中，基于前述方案，上述特征转换模块，包括：卷积子模块和融合子模块。

其中，上述卷积子模块被配置为：基于上述人脸图像的修复模型对上述待修复图像进行至少两次卷积处理，得到上述人脸原始特征；基于上述人脸图像的修复模型对上述人脸标记点图像进行至少两次卷积处理，得到上述人脸标记特征；上述融合子模块被配置为：基于上述人脸图像的修复模型对上述人脸原始特征和上述人脸标记特征进行N次空间特征转换处理，得到上述融合人脸特征，N为不小于2的正整数。