申请/专利权人：浙江大学

申请日：2023-10-13

公开（公告）日：2024-02-02

公开（公告）号：CN117495691A

主分类号：G06T5/50

分类号：G06T5/50;G06T7/13;G06T7/194;G06N3/0455;G06N3/096;G06N3/0464;G06V10/26;G06V10/28;G06V10/82;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了一种基于改进DeepLabv3+的去发肖像掩膜生成方法。该方法是通过设计一种PointRend‑DeepLabv3+语义分割模型，并利用PointRend模块改进DeepLabv3+的解码器结构，并用带权交叉熵改进损失函数，实现了更好的去发肖像掩膜分割效果。同时，本发明通过前后景分离模型提取出边缘更加精细的人像alpha掩膜，并用其修正去发肖像掩膜的边缘，使得最终的掩膜更加贴合真实五官轮廓。本发明的方法能够生成边缘精确、轮廓流畅的多角度去发肖像掩膜，可以运用在虚拟数字人的开发过程中，应用空间巨大。

主权项：1.一种基于改进DeepLabv3+的去发肖像掩膜生成方法，其特征在于，包括以下步骤：1数据获取：根据采集得到的多角度人像照片，由美术绘制人像照片对应的手绘去发肖像掩膜；将手绘去发肖像掩膜阈值化，转为0-1二值图像；将人像照片作为输入，0-1二值图像作为标签，构成数据集，并将该数据集划分为训练集、验证集、测试集；2粗糙去发掩膜生成：利用PointRend模块改进DeepLabv3+结构，构成PointRend-DeepLabv3+模型，用步骤1获取的训练集和验证集训练模型，向训练得到的模型输入目标人像图片，输出粗糙去发掩膜；3人像alpha掩膜生成：向预训练好的人像前后景分离模型输入目标人像图片，进行前景提取，输出目标人像的alpha掩膜，检测alpha掩膜的轮廓，消除图像中不属于人像范围的错误掩膜区域，并补全人像范围中掩膜轮廓内出现的空洞；4掩膜融合：将步骤3得到的粗糙去发掩膜和步骤4得到的人像alpha掩膜进行融合，去除粗糙去发掩膜边缘不属于人像范围的区域，得到最终的精细去发肖像掩膜。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于改进DeepLabv3+的去发肖像掩膜生成方法

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。

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