申请/专利权人:浙江大学
申请日:2021-08-31
公开(公告)日:2024-06-21
公开(公告)号:CN113870372B
主分类号:G06T11/00
分类号:G06T11/00;G06T7/90;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2022.01.21#实质审查的生效;2021.12.31#公开
摘要:本发明提供了一种基于深度神经网络的视频头发颜色转换方法,该方法首次引入亮度图Luminancemap代表头发的几何结构并提出在时间和空间上做标准化进一步保证连续帧的稳定性及生成结果与参考图像的一致性。本发明还设计了颜色,结构和背景三个条件模块以进一步解耦头发的属性。由于luminancemap对颜色的高度解耦,且针对头发各个属性单独设计了对应的模块,头发的颜色,结构及光照以及图像的背景高度解耦,利用这一优势,该方法实现了高保真的头发颜色转换。该发明还引入判别器及循环一致性损失函数以生成更真实,时间相干性更强的结果。
主权项:1.一种基于深度学习的视频头发颜色转换方法,其特征在于,包括以下步骤:步骤一:将包含待转换头发颜色的目标图像的视频中每一帧从RGB空间转换为LAB空间,提取L空间并在时间和空间上做标准化,并利用结构特征提取模块获取目标图像包含头发结构和光照的特征图;步骤二:选取带有预转换头发颜色的参考图像并利用颜色特征提取模块提取参考图像的头发颜色特征,并将头发颜色特征叠加至目标图像的头发掩模上获得头发颜色掩模;步骤三:根据目标图像头发掩模利用背景区域特征提取模块提取目标图像除头发以外的背景区域特征图;步骤四:将步骤一提取到的目标图像包含头发结构和光照的特征图、步骤二中获得的头发颜色掩模及步骤三提取到的背景区域特征图输入至一个主干生成网络中整合生成具有参考图像头发颜色的目标图像;其中,所述结构特征提取模块、颜色特征提取模块、背景区域特征提取模块、主干生成网络通过收集的视频训练获得。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于深度学习的视频头发颜色转换方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。