[发明专利]换脸网络模型的训练方法、图像换脸方法及相关设备

说明书

本申请提供了一种换脸网络模型的训练方法、图像换脸方法及相关设备，在训练换脸网络模型时，可以获取多个图像样本对；针对各图像样本，将图像样本对包括的原图像样本和目标图像样本输入至初始换脸网络模型中，从目标图像样本中多次提取人脸特征，并从原图像样本中多次提取属性特征，再将多次提取的人脸特征和属性特征融合得到换脸图像样本，换脸图像样本中可以包含更多的人脸特征和属性特征，这样结合各图像样本对和其对应的包含更多人脸特征和属性特征的换脸图像样本更新初始换脸网络模型的网络参数，更有助于训练换脸网络模型，使得最终的换脸网络模型可以更好地执行换脸操作，获取到真实自然的换脸图像，有效地提高了换脸图像的换脸效果。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种换脸网络模型的训练方法、图像换脸方法及相关设备。

背景技术

换脸被广泛应用于内容生成、电影制作、以及娱乐视频制作等领域。其中，换脸是指给定一张原图像和目标图像，将目标图像中的身份特征迁移到原图像中，得到换脸图像，使得得到的换脸图像中即保持目标图像的身份特征，又具有原图像的属性特征，例如姿势、表情、光照以及背景等。

现有技术中，在进行图像换脸时，通常是基于脸部关键点的方式实现图像换脸，具体过程为：先获取原图像和目标图像的脸部关键点，通过原图像关键点提取原图像的脸部区域，再根据目标图像的关键点将原图像的脸部区域融合到目标图像中，从而完成图像换脸。

但是，采用这种方式难以获取到真实自然的换脸图像，使得换脸图像的换脸效果较差。

发明内容

本申请实施例提供了一种换脸网络模型的训练方法、图像换脸方法及相关设备，可以获取到真实自然的换脸图像，提高了换脸图像的换脸效果。

第一方面，本申请实施例提供了一种换脸网络模型的训练方法，该换脸网络模型的训练方法可以包括：

获取多个图像样本对，其中，各图像样本对包括原图像样本和所述原图像样本对应的目标图像样本；

针对所述各图像样本，将所述图像样本对中原图像样本和目标图像样本输入至初始换脸网络模型中，从所述目标图像样本中多次提取人脸特征以及从所述原图像样本中多次提取属性特征，以及将多次提取的人脸特征和多次提取的属性特征进行融合，得到所述图像样本对对应的换脸图像样本；

根据所述各图像样本对和所述各图像样本对对应的换脸图像样本，更新所述初始换脸网络模型的网络参数。

可以看出，在训练换脸网络模型时，可以先获取多个图像样本对；针对各图像样本，将图像样本对包括的原图像样本和目标图像样本输入至初始换脸网络模型中，从目标图像样本中多次提取人脸特征，并从原图像样本中多次提取属性特征，再将多次提取的人脸特征和属性特征融合得到换脸图像样本，使得换脸图像样本中可以包含更多的人脸特征和属性特征，这样结合各图像样本对和其对应的包含更多人脸特征和属性特征的换脸图像样本更新初始换脸网络模型的网络参数，更有助于训练换脸网络模型，使得最终的换脸网络模型可以更好地执行换脸操作，获取到真实自然的换脸图像，有效地提高了换脸图像的换脸效果。

第二方面，本申请实施例提供了一种图像换脸方法，该图像换脸方法可以包括：

获取原图像和包括目标人脸的目标图像；

将所述原图像和所述目标图像输入至换脸网络模型中，从所述目标图像中多次提取人脸特征，以及从所述原图像中多次提取属性特征，将多次提取的人脸特征和多次提取的属性特征进行融合，得到换脸图像。