申请/专利权人：山东浪潮超高清智能科技有限公司

申请日：2023-12-14

公开（公告）日：2024-03-22

公开（公告）号：CN117745904A

主分类号：G06T13/80

分类号：G06T13/80;G06T9/00;G06V40/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提供了一种2D运动场说话肖像合成方法和装置，属于说话肖像合成技术领域。包括：选定高清的HDTF、MEAD数据集和混合质量的AVSpeech数据集作为初始数据集，对初始数据集进行预处理后划分为测试集和训练集；构建运动场说话肖像合成模型，包括人脸编码器、人脸解码器，通过训练集训练运动场说话肖像合成模型，获取性能最优模型；将测试集数据输入到训练完成的运动场说话肖像合成模型，输出合成的说话肖像结果。本发明采用高清且高质量的数据集用于模型的训练，从本质上改善了合成说话肖像的质量问题。提高了人脸编解码网络结构分辨率，产出更高分辨率的说话肖像，实现了大屏上的应用。两个监督策略的引入，丰富了唇形风格，提升了合成说话肖像的效果。

主权项：1.一种2D运动场说话肖像合成方法，其特征在于，包括：选定高清的HDTF、MEAD数据集和混合质量的AVSpeech数据集作为初始数据集，对初始数据集进行预处理后划分为测试集和训练集；构建运动场说话肖像合成模型，包括人脸编码器、人脸解码器，所述人脸编码器包括依次串联的9个卷积模块，实现掩码人脸图像和参考人脸图像的特征编码；所述人脸解码器包括人脸解码模块和声音编码模块，所述声音编码模块包括依次串联的6个卷积模块，所述人脸解码模块包括依次串联的9个上采样卷积模块；通过训练集训练运动场说话肖像合成模型，获取性能最优模型；将测试集数据输入到训练完成的运动场说话肖像合成模型，输出合成的说话肖像结果。

全文数据：

权利要求：

百度查询： 山东浪潮超高清智能科技有限公司 一种2D运动场说话肖像合成方法和装置

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