【技術實現步驟摘要】
本申請涉及計算機視覺領域，具體涉及一種圖像處理方法和裝置。本申請同時涉及一種面部圖像生成方法和裝置，以及一種圖像處理系統、計算機存儲介質和電子設備。
技術介紹
1、aigc(artificial?intelligence?generated?content，人工智能生成內容)的興起與發展是人工智能技術快速發展和內容產業日益繁榮的必然結果。所謂aigc是指人工智能系統生成的內容，如文字、圖像、音頻或視頻等。其能夠快速生成大量內容，從而節省時間和資源。aigc主要基于機器學習，尤其是深度學習領域的技術，如自然語言處理、計算機視覺等。這些技術使得ai能夠自主生成各種形式的內容，如文本、圖像、音頻和視頻等。aigc目前的主要應用場景可以包括自動寫作、圖像生成、音頻創作和視頻制作等。隨著數字內容消費的不斷增長，aigc在媒體、廣告、設計、教育等行業的應用越來越廣泛。它不僅能夠快速生成大量內容，還能夠根據用戶的需求進行個性化定制，提高內容的吸引力和互動性。
技術實現思路
1、本申請提供一種圖像處理方法，以解決現有技術中圖像的生成僅能夠基于原圖像從粗粒度進行替換從而導致的圖像處理可控性和自由度均低的問題。
2、鑒于此，本申請提供一種圖像處理方法，包括：
3、對目標圖像中目標局部位置進行檢測，確定所述目標圖像中待替換目標局部信息在所述目標圖像中的目標局部位置信息，以及屏蔽所述目標局部信息的目標圖像剩余特征；
4、根據對參考圖像中參考局部位置的檢測，將確定的所述參
5、將所述目標局部位置信息和所述參考局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考局部特征與所述目標局部位置信息進行對齊的對齊特征；
6、將所述對齊特征和所述目標圖像剩余特征輸入到第三網絡模型中，生成將所述目標圖像中目標局部特征替換為參考局部特征的替換圖像。
7、在一些實施例中，所述對目標圖像中目標局部位置進行檢測，確定目標局部信息在所述目標圖像中的目標局部位置信息，以及屏蔽所述目標局部信息的目標圖像剩余特征，包括：
8、根據對所述目標圖像中目標局部位置的檢測，確定所述目標局部信息在所述目標圖像中的位置信息；
9、根據與所述位置信息對應的所述目標局部信息，生成包括所述目標局部信息的目標局部圖像；
10、根據所述目標局部圖像對所述目標圖像中目標局部位置進行屏蔽，生成目標局部屏蔽圖像；
11、將所述目標局部屏蔽圖像輸入到第四網絡模型中，提取所述目標圖像剩余特征。
12、在一些實施例中，所述對參考圖像進行參考局部位置檢測，確定所述參考圖像中的參考局部圖像，包括：
13、根據對同一參考圖像中的不同參考局部位置的檢測，確定所述同一參考圖像中不同參考局部位置對應的參考局部信息；或者，根據分別對多個不同參考圖像中不同參考局部位置的檢測，確定不同參考圖像中不同參考局部位置對應的參考局部信息；
14、根據所述參考局部位置，對所述參考圖像中除所述參考局部信息之外的圖像信息進行屏蔽，確定多個參考局部圖像。
15、在一些實施例中，所述將所述參考局部圖像輸入到第一網絡模型中進行特征提取，確定參考局部特征，包括：
16、將所述多個參考局部圖像輸入到所述第一網絡模型中進行局部特征提取，確定所述參考局部圖像對應的所述參考局部特征。
17、在一些實施例中，所述將所述目標局部位置信息和所述參考局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考局部特征與所述目標局部位置信息進行對齊的對齊特征，包括：
18、將所述參考局部特征輸入到所述第二網絡模型中進行潛空間特征拼接，生成局部特征拼接圖像；
19、所述局部特征拼接圖像經卷積處理，將所述局部特征拼接圖像中的局部拼接特征與所述目標位置信息進行對齊，生成所述對齊特征。
20、在一些實施例中，所述將所述對齊特征和所述目標圖像剩余特征輸入到第三網絡模型中，生成將所述目標圖像中目標局部特征替換為參考局部特征的替換圖像，包括：
21、將所述對齊特征和所述目標剩余特征輸入到所述第三網絡模型中進行特征相加，確定將所述對齊特征融合到所述目標圖像中的替換圖像；
22、對所述替換圖像進行逆擴散，生成目標替換圖像。
23、本申請還提供一種圖像處理裝置，包括：
24、第一確定單元，用于對目標圖像中目標局部位置進行檢測，確定目標局部信息在所述目標圖像中的目標局部位置信息，以及屏蔽所述目標局部信息的目標圖像剩余特征；
25、第二確定單元，用于根據對參考圖像中參考局部位置的檢測，將確定的所述參考圖像中的參考局部圖像輸入到第一網絡模型中進行特征提取，確定參考局部特征；
26、第一生成單元，用于將所述目標局部位置信息和所述參考局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考局部特征與所述目標局部位置信息進行對齊的對齊特征；
27、第二生成單元，用于將所述對齊特征和所述目標圖像剩余特征輸入到第三網絡模型中，生成將所述目標圖像中目標局部特征替換為參考局部特征的替換圖像。
28、本申請還提供一種面部圖像生成方法，包括：
29、對目標面部圖像中目標面部局部位置進行檢測，確定目標面部局部信息在所述目標面部圖像中的目標面部局部位置信息，以及屏蔽所述目標面部局部信息的目標面部圖像剩余特征；
30、根據對面部參考圖像中參考面部局部位置的檢測，將確定的所述面部參考圖像中的參考面部局部圖像輸入到第一網絡模型中進行特征提取，確定參考面部局部特征；
31、將所述目標面部局部位置信息和所述參考面部局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考面部局部特征與所述目標面部局部位置信息進行對齊的對齊特征；
32、將所述對齊特征和所述目標面部圖像剩余特征輸入到第三網絡模型中，生成將所述目標面部圖像中目標面部局部特征替換為參考面部局部特征的替換圖像。
33、本申請還提供一種面部圖像生成裝置，包括：
34、第一確定單元，用于對目標面部圖像中目標面部局部位置進行檢測，確定目標面部局部信息在所述目標面部圖像中的目標面部局部位置信息，以及屏蔽所述目標面部局部信息的目標面部圖像剩余特征；
35、第二確定單元，用于根據對面部參考圖像中參考面部局部位置的檢測，將確定的所述面部參考圖像中的參考面部局部圖像輸入到第一網絡模型中進行特征提取，確定參考面部局部特征；
36、第一生成單元，用于將所述目標面部局部位置信息和所述參考面部局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考面部局部特征與所述目標面部局部位置信息進行對齊的對齊特征；
37、第二生成單元，用于將所述對齊特征和所述目標面部圖像剩余特征輸入到第三網本文檔來自技高網...
【技術保護點】
1.一種圖像處理方法，其特征在于，包括：
2.根據權利要求1所述的圖像處理方法，其特征在于，所述對目標圖像中目標局部位置進行檢測，確定目標局部信息在所述目標圖像中的目標局部位置信息，以及屏蔽所述目標局部信息的目標圖像剩余特征，包括：
3.根據權利要求1所述的圖像處理方法，其特征在于，所述對參考圖像進行參考局部位置檢測，確定所述參考圖像中的參考局部圖像，包括：
4.根據權利要求3所述的圖像處理方法，其特征在于，所述將所述參考局部圖像輸入到第一網絡模型中進行特征提取，確定參考局部特征，包括：
5.根據權利要求1所述的圖像處理方法，其特征在于，所述將所述目標局部位置信息和所述參考局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考局部特征與所述目標局部位置信息進行對齊的對齊特征，包括：
6.根據權利要求1所述的圖像處理方法，其特征在于，所述將所述對齊特征和所述目標圖像剩余特征輸入到第三網絡模型中，生成將所述目標圖像中目標局部特征替換為參考局部特征的替換圖像，包括：
7.一種圖像處理裝置，其特征在于，包括：>
8.一種面部圖像生成方法，其特征在于，包括：
9.一種面部圖像生成裝置，其特征在于，包括：
10.一種圖像處理系統，其特征在于，包括：檢測模塊、第一網絡模型、第二網絡模型、第三網絡模型、第四網絡模型；
11.一種計算機存儲介質，其特征在于，包括計算機程序，當所述計算機程序在電子設備上運行時，使得所述電子設備執行如權利要求1到6任意一項所述的圖像處理方法，和/或，執行如權利要求8所述的面部圖像生成方法。
12.一種電子設備，其特征在于，包括：
...【技術特征摘要】
1.一種圖像處理方法，其特征在于，包括：
2.根據權利要求1所述的圖像處理方法，其特征在于，所述對目標圖像中目標局部位置進行檢測，確定目標局部信息在所述目標圖像中的目標局部位置信息，以及屏蔽所述目標局部信息的目標圖像剩余特征，包括：
3.根據權利要求1所述的圖像處理方法，其特征在于，所述對參考圖像進行參考局部位置檢測，確定所述參考圖像中的參考局部圖像，包括：
4.根據權利要求3所述的圖像處理方法，其特征在于，所述將所述參考局部圖像輸入到第一網絡模型中進行特征提取，確定參考局部特征，包括：
5.根據權利要求1所述的圖像處理方法，其特征在于，所述將所述目標局部位置信息和所述參考局部特征輸入到第二網絡模型中進行特征整合，生成將所述參考局部特征與所述目標局部位置信息進行對齊的對齊特征，包括：
...【專利技術屬性】
技術研發人員：王耀華，余政，張愛喜，陸苗，姜浩，
申請(專利權)人：淘寶中國軟件有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。