申请/专利权人：珠海金山数字网络科技有限公司

申请日：2021-05-21

公开（公告）日：2024-07-05

公开（公告）号：CN113205449B

主分类号：G06T3/04

分类号：G06T3/04;G06T13/40;G06T13/80;G06N3/0464;G06N3/042;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.09.02#著录事项变更;2021.08.20#实质审查的生效;2021.08.03#公开

摘要：本申请提供表情迁移模型的训练方法及装置、表情迁移方法及装置，其中所述表情迁移模型包括编码器、第一解码器以及第二解码器，所述训练方法包括：获取第一三维人脸样本和第二三维人脸样本；基于所述编码器和所述第一解码器对所述第一三维人脸样本进行训练，基于所述编码器和所述第二解码器对所述第二三维人脸样本进行训练；判断是否达到训练停止条件，并且在达到训练停止条件的情况下，停止训练过程。根据本实施例的表情迁移模型的训练方法使用图卷积神经网络提取特征，采用自编码器的网络结构进行训练，实现将表情迁移至特定三维人脸。

主权项：1.一种表情迁移模型的训练方法，其特征在于，所述表情迁移模型包括编码器、第一解码器以及第二解码器，所述第一解码器之后设有第一判别器、所述第二解码器之后设有第二判别器，所述训练方法包括：获取第一三维人脸样本和第二三维人脸样本；基于所述编码器和所述第一解码器对所述第一三维人脸样本进行训练，基于所述编码器和所述第二解码器对所述第二三维人脸样本进行训练，其中，所述基于所述编码器和所述第一解码器对第一三维人脸样本进行训练包括：将所述第一三维人脸样本的初始顶点信息和邻接矩阵输入所述编码器，得到第一编码向量；将所述第一编码向量输入所述第一解码器，得到第一解码向量，根据第一解码向量与所述初始顶点信息得到损失值；所述基于所述编码器和所述第二解码器对所述第二三维人脸样本进行训练包括：将所述第二三维人脸样本的初始顶点信息和邻接矩阵输入所述编码器，得到第二编码向量，将所述第二编码向量输入所述第二解码器，得到第二解码向量，根据第二解码向量与所述第二三维人脸样本的初始顶点信息得到损失值；根据所述损失值调整编码器和第二解码器中的网络层的系数向量；判断是否达到训练停止条件，并且在达到训练停止条件的情况下，停止训练过程，其中，所述训练停止条件为：所述第一判别器判断所述第一解码器解码得到的人脸的顶点坐标与所述第一三维人脸样本中人脸的顶点坐标的差值小于预设阈值、所述第二判别器判断所述第二解码器解码得到的人脸的顶点坐标与所述第二三维人脸样本中人脸的顶点坐标的差值小于预设阈值。

全文数据：

权利要求：

百度查询： 珠海金山数字网络科技有限公司 表情迁移模型的训练方法及装置、表情迁移方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD