[发明专利]交互式图像编辑方法、系统、可读存储介质及电子设备有效
| 申请号: | 202111046793.7 | 申请日: | 2021-09-08 |
| 公开(公告)号: | CN113487475B | 公开(公告)日: | 2021-12-07 |
| 发明(设计)人: | 李波;马小雪;何志芬;赵旭;刘奋成 | 申请(专利权)人: | 联想新视界(南昌)人工智能工研院有限公司;南昌航空大学 |
| 主分类号: | G06T3/00 | 分类号: | G06T3/00;G06N3/04;G06N3/08 |
| 代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 何世磊 |
| 地址: | 330000 江西省南昌市红谷滩区九*** | 国省代码: | 江西;36 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 交互式 图像编辑 方法 系统 可读 存储 介质 电子设备 | ||
1.一种交互式图像编辑方法,其特征在于,包括:
获得编辑图像,所述编辑图像中包含原始图像以及粘贴在所述原始图像的目标区域上的特征图像;
将已训练的生成式对抗网络结构中的生成器划分为第一部分和第二部分,所述已训练的生成式对抗网络结构选择StyleGAN2网络结构;
在所述第一部分与所述第二部分之间依次引入自适应空间注意力和自适应通道注意力;
将所述编辑图像输入至所述StyleGAN2网络结构中的生成器中;
利用所述生成器中的自适应空间注意力,对所述编辑图像中所述特征图像的区域进行优化,得到具有空间注意特征的编辑图像:
当所述编辑图像经过所述第一部分后,优化所述编辑图像中所述特征图像的区域的参数,基于所述特征图像的区域的参数,在卷积神经网络中学习到对应的空间结构信息;
基于空间结构信息,将优化范围控制到所述原始图像的目标区域大小,根据引入的所述自适应空间注意力,利用特征间的空间关系,生成具有空间注意特征的编辑图像,其中,的大小为所述特征图像的区域大小;
所述具有空间注意特征的编辑图像的表达式为:
其中,表示特征图像,表示原始图像的目标区域,表示逐元素相乘,表示逐元素相加;
利用所述生成器中的自适应通道注意力,对所述具有空间注意特征的编辑图像自动分配权重,得到具有通道注意特征的编辑图像:
根据引入的所述自适应通道注意力,利用特征的通道间关系,对所述具有空间注意特征的编辑图像自动分配权重,生成具有通道注意特征的编辑图像;
将所述具有空间注意特征的编辑图像作为输入;自适应通道注意力的大小为,表示通道数;所述具有通道注意特征的编辑图像的表达式为:
其中,表示逐元素相乘;
对所述具有通道注意特征的编辑图像进行训练,得到新的组合图像:
对于所述原始图像的目标区域之外的部分使用逐像素重构误差对其进行限制,目标函数如下:
其中,表示具有通道注意特征的编辑图像,表示原始图像,m为原始图像的目标区域;
运用边缘检测方法获取所述特征图像的边界,得到对应的纹理信息,并使用均方差loss对所述边界进行约束,目标函数如下:
平衡所述特征图像与所述原始图像的色彩,校正所述特征图像与所述原始图像的颜色,使用均方差loss对所述特征图像与所述原始图像的颜色空间进行约束,形成所述新的组合图像,其中目标函数如下:
其中,表示具有通道注意特征的编辑图像,表示特征图像, m为原始图像的目标区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于联想新视界(南昌)人工智能工研院有限公司;南昌航空大学,未经联想新视界(南昌)人工智能工研院有限公司;南昌航空大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111046793.7/1.html,转载请声明来源钻瓜专利网。





