[发明专利]视频生成方法及设备

说明书

本公开实施例提供一种视频生成方法及设备，该方法包括：在第一图像中，提取第一图像特征；根据第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，第二图像特征为第二图像的图像特征；基于第一图像特征、第二图像特征和多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，目标视频用于展现从第一图像渐变至第二图像的过程。从而，利用非线性插值的方式，提高中间图像特征的质量，进而提高目标视频的中间帧的图像质量，即提高了目标视频的视频质量。

技术领域

本公开实施例涉及计算机技术领域，尤其涉及一种视频生成方法及设备。

背景技术

在目前的计算机视觉技术、深度学习技术中，基于两张图像可以生成两张图像之间渐变的视频，例如，向深度学习模型，输入两张人脸图像，生成两张人脸图像之间渐变的视频，该视频中的视频帧从一张人脸图像渐变为另一张人脸图像。该技术例如可以用于特效生成，提高视频的趣味性。

在视频生成的过程中，需要基于两张图像来生成视频中的多个视频帧，进而得到该两张图像之间渐变的视频。然而，目前基于两张图像生成多个视频帧的质量，尤其是视频的中间帧的图像质量有待提高。

发明内容

本公开实施例提供一种视频生成方法及设备，以解决在基于数量较少的图像生成视频时视频的中间帧的图像质量有待提高的问题。

第一方面，本公开实施例提供一种视频生成方法，包括：

在第一图像中，提取第一图像特征；

根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；

基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。

第二方面，本公开实施例提供一种模型确定方法，包括：

根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；

其中，所述神经网络的一次训练过程包括：

根据第一训练图像的图像特征和第二训练图像的图像特征，生成目标图像特征；

基于所述特征空间，对所述目标图像特征进行初步调整；

通过所述神经网络学习所述初步调整对应的目标偏差，并根据所述目标偏差，对初步调整后的目标图像特征进行再次调整；

根据所述目标偏差、再次调整后的目标图像特征、所述第一训练图像和所述第二训练图像，调整所述神经网络的模型参数。

第三方面，本公开实施例提供一种视频生成设备，包括：

提取单元，用于在第一图像中，提取第一图像特征；

插值单元，用于根据所述第一图像特征和第二图像特征，通过非线性插值得到多个中间图像特征，所述第二图像特征为第二图像的图像特征；

视频生成单元，用于基于所述第一图像特征、所述第二图像特征和所述多个中间图像特征，通过图像生成模型进行图像重建，生成目标视频，其中，所述目标视频用于展现从所述第一图像渐变至所述第二图像的过程。

第四方面，本公开实施例提供一种模型确定设备，包括：

训练单元，用于根据多个训练图像和图像生成模型，训练神经网络，所述神经网络用于学习基于所述图像生成模型的特征空间进行图像特征调整的偏差；

其中，所述神经网络的一次训练过程包括：