申请/专利权人:数字栩生(北京)科技有限公司
申请日:2023-02-15
公开(公告)日:2023-05-26
公开(公告)号:CN116168435A
主分类号:G06V40/16
分类号:G06V40/16;G06V10/774;G06V10/82;G06N3/08;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.13#实质审查的生效;2023.05.26#公开
摘要:本发明涉及数字人技术领域,且公开了一种数字人脸生成方法,该数字人脸生成方法包括以下步骤,通过DeepFake训练换脸神经网络,将原有的数字人A的面部信息直接替换成目标B的面部信息,不需要对目标B进行单独的建模即可生成目标B的数字人,避免了需要消耗大量的时间、精力与计算资源。准备过程中,使用数字人A和目标B的图片、视频信息,训练DeepFake换脸神经网络,使用过程中,生成数字人A在场景中的图像,以及同一帧、同一相机位置的高分辨率的面部图像,通过DeepFake将数字人A的面部信息替换成目标B的面部信息,并与在实际场景中的图像进行融合最终生成拥有目标B面部信息的全身图像,从而提高面部的细节,提升了计算的结果。
主权项:1.一种数字人脸生成方法,其特征在于:该数字人脸生成方法包括以下步骤:准备工作,准备一个数字人A和目标B,采集数字人A和目标B的面部图片以及视频数据,训练DeepFake换脸神经网络,将数字人A的图片或者视频输入训练完成的换脸神经网络,把图片或视频中数字人A的面部替换成目标B的面部;步骤一、生成数字人A全身图像,使用数字人A生成一帧在实际场景中的,没有面部的全身图像;步骤二、生成数字人A的面部图像,使用数字人A生成与步骤一中同一帧数字人A的面部高分辨率图像;步骤三、使用DeepFake,将步骤二中数字人A的面部图像替换成B的面部信息,生成B的面部高分辨率图像;步骤四、融合,将步骤一在实际场景中没有面部的全身图像,与步骤三替换后的B的面部图像进行融合,生成拥有B的面部信息最终全身图像。
全文数据:
权利要求:
百度查询: 数字栩生(北京)科技有限公司 一种数字人脸生成方法
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。