[发明专利]三维模型重建方法、装置、计算机设备和存储介质

说明书

本申请涉及一种三维模型重建方法、装置、计算机设备和存储介质。所述三维模型重建方法包括：获取输入图像的图像特征系数；根据所述图像特征系数，分别获取所述输入图像基于纹理和形状的全局特征图和初始局部特征图；对所述初始局部特征图进行边缘平滑处理，得到目标局部特征图；分别基于纹理和形状，对所述全局特征图和所述目标局部特征图进行拼接，得到目标纹理图像和目标形状图像；根据所述目标纹理图像和所述目标形状图像进行三维模型重建处理，得到目标三维模型。上述方案通过对局部特征图进行边缘平滑处理，不容易产生图像畸变，能重建得到边缘平滑的目标三维模型。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种三维模型重建方法、装置、计算机设备和存储介质，以及，三维重建模型的训练方法、装置、计算机设备和存储介质。

背景技术

随着图像处理技术的发展，出现了2D(2-dimension，二维)图像处理、3D(3-dimension，三维)模型重建等人工智能技术，例如，根据输入的人脸图像重建新的人脸3D模型等。

传统技术获取输入图像的形状图、纹理图等，并根据所获取的形状图、纹理图等重建得到三维模型。但是，传统技术所获取的形状图和纹理图容易出现畸变，导致重建的三维模型不准确。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少图像畸变的三维模型重建方法、装置、计算机设备和存储介质，以及，三维重建模型的训练方法、装置、计算机设备和存储介质。

一种三维模型重建方法，所述方法包括：获取输入图像的图像特征系数；根据所述图像特征系数，分别获取所述输入图像基于纹理和形状的全局特征图和初始局部特征图；对所述初始局部特征图进行边缘平滑处理，得到目标局部特征图；分别基于纹理和形状，对所述全局特征图和所述目标局部特征图进行拼接，得到目标纹理图像和目标形状图像；根据所述目标纹理图像和所述目标形状图像进行三维模型重建处理，得到目标三维模型。

一种三维重建模型的训练方法，所述方法包括：获取训练图像的图像特征系数和渲染系数；将所述图像特征系数输入至基于深度学习的三维重建模型中，以使所述三维重建模型：根据所述图像特征系数，分别获取所述训练图像基于纹理和形状的全局特征图和初始局部特征图，对所述初始局部特征图进行边缘平滑处理，得到目标局部特征图；分别基于纹理和形状，对所述全局特征图和所述目标局部特征图进行拼接，得到目标纹理图像和目标形状图像；根据所述目标纹理图像和所述目标形状图像进行三维模型重建处理，得到预测三维模型；根据所述渲染系数对所述预测三维模型进行图像渲染处理，得到预测二维图像；根据所述训练图像和所述预测二维图像的误差对所述三维重建模型进行训练，直到满足收敛条件，得到已训练的三维重建模型。

在一个实施例中，所述获取训练图像的图像特征系数和渲染系数，包括：通过卷积自编码器对所述训练图像进行逐层卷积处理；所述卷积自编码器包括解码器和编码器；由所述解码器根据逐层卷积处理的结果得到所述训练图像的纹理特征系数和形状特征系数，作为所述图像特征系数；由所述编码器根据逐层卷积处理的结果得到所述训练图像的扭转系数和光照系数，作为所述渲染系数。

一种三维模型重建装置，所述装置包括：第一系数获取模块，用于获取输入图像的图像特征系数；特征图获取模块，用于根据所述图像特征系数，分别获取所述输入图像基于纹理和形状的全局特征图和初始局部特征图；平滑处理模块，用于对所述初始局部特征图进行边缘平滑处理，得到目标局部特征图；特征图拼接模块，用于分别基于纹理和形状，对所述全局特征图和所述目标局部特征图进行拼接，得到目标纹理图像和目标形状图像；第一模型重建模块，用于根据所述目标纹理图像和所述目标形状图像进行三维模型重建处理，得到目标三维模型。