[发明专利]对线稿图像进行上色的方法、设备以及存储介质

说明书

本公开提供了一种对线稿图像进行上色的方法、设备以及存储介质。其中，该方法包括：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。本公开解决了现有的对线稿进行上色的技术所存在的上色效果差以及上色效率低的技术问题。

技术领域

本公开涉及图像处理领域，具体而言，涉及一种对线稿图像进行上色的方法、设备以及存储介质。

背景技术

漫画和动画制作流程通常是制作人先完成线稿，再对线稿进行上色完成色稿。在上色过程中，传统方案一般是利用Adobe Photoshop等辅助软件手工对线稿的每个区域进行上色。因此制作一部漫画或动画存在很高的人力成本，同时较长的制作时间也制约了产品的发行速度。

随着信息技术的不断发展，目前已经出现了一些利用人工智能方法对线稿进行自动上色的技术。这种自动上色技术在效率上远远高于人工上色，且成本相对较低，只需要一定的计算机资源。Paintschainer是一种现有技术方案，它可以将特定风格的色稿图像作为参考，来对新的线稿进行上色。但由于其方法本身的限制，它的效果离人工上色结果差别很大，无法让人满意；同时其方法效率较低，使得该方案很难进行商用化，尤其是进行动画制作(每秒需要包含十几幅色稿)。

现有技术方案Paintschainer主要存在以下缺点：

1)上色效果差。Paintschainer完成的色稿中，不同区域之间的界限比较模糊，很多不同区域本应利用不同颜色进行描述，但在这些色稿中其不同区域的颜色基本是一致的。同时，某些生成的色稿还存在一些“波纹”，这是Paintschainer方案使用的人工神经网络模型造成的问题，是由于人工神经网络模型参数过多且训练样本过少造成的“过拟合”问题。

2)上色效率低。由于Paintschainer方案使用的人工神经网络模型参数量很大，在实际应用中计算速度很慢。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本公开实施例提供了一种对线稿图像进行上色的方法、设备以及存储介质，以至少解决现有的对线稿进行上色的技术所存在的上色效果差以及上色效率低的技术问题。

根据本公开实施例的一个方面，提供了一种对线稿图像进行上色的方法，包括：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。

根据本公开实施例的另一方面，还提供了一种一种对线稿图像进行上色的设备，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。

根据本公开实施例的另一方面，还提供了一种一种对线稿图像进行上色的设备，包括：图像获取模块，用于获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及上色模块，用于利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。

在本公开实施例中，采用基于参考图像，利用基于机器学习训练的模型对线稿图像进行上色的方式，实现了提高上色效果和上色效率的技术效果，进而解决了现有的对线稿进行上色的技术所存在的上色效果差以及上色效率低的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：