[发明专利]光照估计方法，终端及存储介质

权利要求书

1.一种光照估计方法，其特征在于，所述方法包括：

利用第一训练数据训练初始自编码模型和初始解码模型，获得所述第一训练数据对应的第一隐向量和第二隐向量、所述第一隐向量对应的第一全景图以及所述第二隐向量对应的第二全景图；

利用所述第一隐向量、所述第二隐向量、所述第一全景图以及所述第二全景图对所述初始自编码模型和初始解码模型进行优化处理，获得目标自编码模型和目标解码模型；

利用第二训练数据、所述第一隐向量、所述第二隐向量以及所述第一全景图训练初始预测模型，获得目标预测模型；

根据所述目标预测模型和所述目标解码模型对所述输入图像进行光照估计处理，获得所述输入图像对应的天空光全景图。

2.根据权利要求1所述的方法，其特征在于，所述利用所述第一隐向量、所述第二隐向量、所述第一全景图以及所述第二全景图对所述初始自编码模型和初始解码模型进行优化处理，获得目标自编码模型和目标解码模型，包括：

根据所述第一隐向量、所述第二隐向量、所述第一全景图以及所述第二全景图计算所述初始自编码模型和所述初始解码模型对应的第一损失函数；

根据所述第一损失函数对所述初始自编码模型和所述初始解码模型进行优化处理，获得所述目标自编码模型和目标解码模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一隐向量、所述第二隐向量、所述第一全景图以及所述第二全景图计算所述初始自编码模型和所述初始解码模型对应的第一损失函数，包括：

计算所述第一隐向量和所述第二隐向量对应的第一范数损失函数；

计算所述第一全景图、所述第二全景图以及所述第一训练数据对应的第二范数损失函数；

根据所述第一范数损失函数和所述第二范数损失函数计算所述第一损失函数。

4.根据权利要求3所述的方法，其特征在于，所述计算所述第一全景图、所述第二全景图以及所述第一训练数据对应的第二范数损失函数，包括：

计算所述第一全景图和所述第一训练数据对应的第三范数损失函数；

计算所述第二全景图和所述第一训练数据对应的第四范数损失函数；

对所述第三范数损失函数和所述第四范数损失函数进行加法处理，获得所述第二范数损失函数。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一范数损失函数和所述第二范数损失函数计算所述第一损失函数，包括：

对所述第一范数损失函数和所述第二范数损失函数添加第一权重值；

根据所述第一权重值、所述第一范数损失函数以及所述第二范数损失函数生成所述第一损失函数。

6.根据权利要求2所述的方法，其特征在于，所述利用第二训练数据、所述第一隐向量、所述第二隐向量以及所述第一全景图训练初始预测模型，获得目标预测模型，包括：

将所述第二训练数据输入至所述初始预测模型，输出所述第二训练数据对应的预测向量；

将所述预测向量输入至所述目标解码模型，输出所述预测向量对应的第三全景图；

根据所述预测向量、所述第一隐向量、所述第一全景图以及所述第三全景图计算所述初始预测模型对应的第二损失函数；

根据所述第二损失函数对所述初始预测模型进行优化处理，获得所述目标预测模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述预测向量、所述第一隐向量、所述第一全景图以及所述第三全景图计算所述初始预测模型对应的第二损失函数，包括：

计算所述预测向量和所述第一隐向量对应的第五范数损失函数；

计算所述第一全景图和所述第三全景图对应的第六范数损失函数；

根据所述第五范数损失函数和所述第六范数损失函数计算所述第二损失函数。

8.根据权利要求7所述的方法，其特征在于，所述根据所述第五范数损失函数和所述第六范数损失函数计算所述第二损失函数，包括：

对所述第五范数损失函数和所述第六范数损失函数添加第二权重值；

根据所述第二权重值、所述第五范数损失函数以及所述第六范数损失函数生成所述第二损失函数。