[发明专利]图像处理模型训练方法以及三维对象模型构建方法

权利要求书

1.一种图像处理模型训练方法，包括：

确定目标对象的三维对象模型；

渲染所述三维对象模型，确定所述目标对象的至少一个视角下的彩色图像；

根据所述三维对象模型或者所述彩色图像，确定所述目标对象的对象参数化模型；

渲染所述对象参数化模型，确定与所述彩色图像对应的深度图像；

根据所述彩色图像、所述深度图像、以及所述目标对象对应的目标深度图像，训练获得图像处理模型，

其中，所述图像处理模型为深度神经网络模型。

2.根据权利要求1所述的图像处理模型训练方法，所述根据所述三维对象模型或者所述彩色图像，确定所述目标对象的对象参数化模型，包括：

确定初始参数化模型，并根据所述三维对象模型以及所述初始参数化模型，获得所述目标对象的对象参数化模型；或者

将所述彩色图像输入预测神经网络模型中，获得所述目标对象的对象参数化模型，其中，所述预测神经网络模型用于预测对象参数化模型。

3.根据权利要求2所述的图像处理模型训练方法，所述根据所述三维对象模型以及所述初始参数化模型，获得所述目标对象的对象参数化模型，包括：

根据迭代最近点算法对所述三维对象模型和所述初始参数化模型进行迭代计算，获得所述目标对象的对象参数化模型。

4.根据权利要求1所述的图像处理模型训练方法，所述根据所述彩色图像、所述深度图像、以及所述目标对象对应的目标深度图像，训练获得图像处理模型之前，还包括：

根据深度值渲染器对所述三维对象模型进行渲染，获得所述目标对象对应的目标深度图像。

5.根据权利要求1或4所述的图像处理模型训练方法，所述根据所述彩色图像、所述深度图像、以及所述目标对象对应的目标深度图像，训练获得图像处理模型，包括：

根据所述彩色图像以及所述深度图像，确定图像训练样本；

将所述目标对象对应的目标深度图像，确定为所述图像训练样本对应的训练标签；

根据所述图像训练样本、以及所述图像训练样本对应的训练标签，训练获得图像处理模型。

6.根据权利要求5所述的图像处理模型训练方法，所述根据所述彩色图像以及所述深度图像，确定图像训练样本，包括：

将所述彩色图像与所述深度图像进行拼接，并将拼接后获得的图像确定为图像训练样本。

7.根据权利要求5所述的图像处理模型训练方法，所述根据所述图像训练样本、以及所述图像训练样本对应的训练标签，训练获得图像处理模型，包括：

将所述图像训练样本输入图像处理模型的编码器进行特征图像提取，并将提取的特征图像输入所述图像处理模型的解码器进行解码，获得解码后的第一深度图像以及第二深度图像；

对所述图像训练样本对应的训练标签进行双边滤波，获得滤波后的第三深度图像以及第四深度图像；

根据所述第一深度图像、所述第二深度图像、所述第三深度图像、所述第四深度图像，训练获得所述图像处理模型，

其中，所述第一深度图像以及所述第三深度图像中包括全局图像特征，所述第二深度图像以及所述第四深度图像中包括局部图像特征。

8.根据权利要求7所述的图像处理模型训练方法，所述根据所述第一深度图像、所述第二深度图像、所述第三深度图像、所述第四深度图像，训练获得所述图像处理模型，包括：

根据所述第一深度图像以及所述第三深度图像，计算第一损失函数；

根据所述第二深度图像以及所述第四深度图像，计算第二损失函数；

根据所述第一损失函数以及所述第二损失函数调整所述图像处理模型的网络参数，直至在满足预设结束训练条件的情况下，获得训练后的图像处理模型。