(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211075798.7 (22)申请日 2022.09.05 (65)同一申请的已公布的文献号 申请公布号 CN 115171199 A (43)申请公布日 2022.10.11 (73)专利权人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 贺珂珂　朱俊伟　邰颖　汪铖杰　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 彭程 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (56)对比文件 WO 20212589 20 A1,2021.12.3 0 WO 2022179401 A1,202 2.09.01 审查员 高婕 (54)发明名称 图像处理方法、 装置及计算机设备、 存储介 质 (57)摘要 本申请实施例基于人工智能领域的计算机 视觉技术， 提供了一种图像处理方法、 装置及计 算机设备、 存储介质。 该方法包括： 获取包括第一 源图像、 伪模板图像以及真实标注图像的伪模板 样本组， 调用身份置换模型基于第一源图像对伪 模板图像进行身份置换处理， 得到第一身份置换 图像； 获取包括第二源图像、 真实模板图像以及 伪标注图像的伪标注样本组， 调用身份置换模型 基于第二源图像对真实模板图像进行身份置换 处理， 得到第二身份置换图像； 基于伪模板样本 组、 第一身份置换图像、 伪标注样本组以及所述 第二身份置换图像， 对身份置换模型进行训练。 可以使得身份置换模型的训练过程更加可控， 有 利于提升身份置换模型生成的身份置换图像的 质量。 权利要求书4页 说明书25页 附图4页 CN 115171199 B 2022.11.18 CN 115171199 B 1.一种图像处 理方法， 其特 征在于， 所述方法包括： 获取伪模板样本组； 所述伪模板样本组包括第一源图像、 伪模板 图像以及真实标注图 像， 所述伪模板图像是对所述真实标注图像进行身份置换处理得到的， 所述第一源图像与 所述真实标注图像具有相同的身份属性， 所述伪模板图像和所述真实标注图像具有相同的 非身份属性； 调用身份置换模型基于所述第 一源图像对所述伪模板图像进行身份置换处理， 得到所 述伪模板图像的第一身份置换图像； 获取伪标注样本组； 所述伪标注样本组包括第二源图像、 真实模板 图像以及伪标注图 像， 所述伪标注图像是基于所述第二源图像对所述真实模板图像进行身份置换处理得到 的， 所述第二源图像与所述伪标注图像具有相同的身份属 性， 所述真实模板图像与所述伪 标注图像具有相同的非身份属性； 调用所述身份置换模型基于所述第 二源图像对所述真实模板图像进行身份置换处理， 得到所述真实模板图像的第二身份置换图像； 基于所述第 一身份置换图像与所述真实标注图像之间的第 一像素差异， 以及所述第 二 身份置换图像与所述伪标注图像之 间的第二像素差异， 确定所述身份置换模型的像素重构 损失； 基于所述第 一身份置换图像与所述真实标注图像之间的特征差异， 确定所述身份置换 模型的特 征重构损失； 提取所述第 一身份置换图像、 所述第 一源图像、 所述伪模板图像、 所述第 二身份置换图 像、 所述第二源图像以及所述真实模板图像的人脸特征， 以确定所述身份置换模型 的身份 损失； 对所述第一身份置换图像和所述第 二身份置换图像进行判别处理， 得到所述身份置换 模型的对抗损失； 对所述身份置换模型的像素重构损 失、 特征重构损 失、 身份损 失以及对抗损 失进行求 和处理， 得到所述身份置换模型的损失信息， 并根据所述身份置换模 型的损失信息， 更新所 述身份置换模型的模型参数， 以训练所述身份置换模型。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述第 一身份置换图像与 所述真实 标注图像之间的特 征差异， 确定所述身份置换模型的特 征重构损失， 包括： 获取图像特 征提取网络， 所述图像特 征提取网络包括多个图像特 征提取层； 调用所述图像特征提取网络对所述第 一身份置换图像进行图像特征提取， 得到第 一特 征提取结果， 所述第一特征提取结果包括所述多个图像特征提取层中的每个图像特征提取 层所提取到的身份置换图像特 征； 调用所述图像特征提取网络对所述真实标注图像进行图像特征提取， 得到第 二特征提 取结果， 所述第二特征提取结果包括所述多个图像特征提取层中的每个图像特征提取层所 提取到的标注图像特 征； 计算每个图像特征提取层所提取到的身份置换图像特征与标注图像特征之间的特征 差； 对各个图像特征提取层的特征差进行求和处理， 得到所述身份置换模型的特征重构损 失。权　利　要　求　书 1/4 页 2 CN 115171199 B 23.如权利要求1所述的方法， 其特征在于， 所述身份置换模型的身份损失包括第 一身份 损失和第二身份损失； 所述提取所述第一身份置换图像、 所述第一源图像、 所述伪模板图 像、 所述第二身份置换图像、 所述第二源图像以及所述真实模板图像的人脸特征， 以确定所 述身份置换模型的身份损失， 包括： 基于所述第 一身份置换图像的人脸特征与 所述第一源图像的人脸特征之间的相似度， 以及所述第二身份置换图像的人脸特征与所述第二源图像的人脸特征之间的相似度， 确定 所述第一身份损失； 基于所述第 一身份置换图像的人脸特征与 所述伪模板图像的人脸特征之间的相似度， 所述第一源图像的人脸特征与所述伪模板图像的人脸特征之间的相似度， 所述第二身份置 换图像的人脸特征与所述真实模板图像的人脸特征之 间的相似度， 以及所述第二源图像的 人脸特征与所述真实模板图像的人脸特 征之间的相似度， 确定所述第二身份损失。 4.如权利要求1所述的方法， 其特征在于， 所述对所述第 一身份置换图像和所述第 二身 份置换图像进行判别处 理， 得到所述身份置换模型的对抗损失， 包括： 获取判别模型； 调用所述判别模型对所述第一身份置换图像进行判别处 理， 得到第一判别结果； 调用所述判别模型对所述第二身份置换图像进行判别处 理， 得到第二判别结果； 根据所述第一判别结果与所述第二判别结果， 确定所述身份置换模型的对抗损失。 5.如权利要求1所述的方法， 其特征在于， 所述基于所述第 一身份置换图像与 所述真实 标注图像之 间的第一像素差异， 以及所述第二身份置换图像与所述伪标注图像之 间的第二 像素差异， 确定所述身份置换模型的像素重构损失， 包括： 获取所述第一像素差异对应的第一权 重， 以及所述第二像素差异对应的第二权 重； 根据所述第一权 重对所述第一像素差异进行加权处 理， 得到第一加权像素差异； 根据所述第二权 重对所述第二像素差异进行加权处 理， 得到第二加权像素差异； 对所述第一加权像素差异和所述第 二加权像素差异进行求和处理， 得到所述身份置换 模型的像素重构损失。 6.如权利要求1所述的方法， 其特征在于， 所述身份置换模型包括编码网络和解码网 络； 所述调用身份置换模型基于所述第一源图像对所述伪模板图像进行身份置换处理， 得 到所述伪模板图像的第一身份置换图像， 包括： 调用所述编码网络对所述第 一源图像和所述伪模板图像进行融合编码处理， 得到编码 结果； 调用所述解码网络对所述编码结果进行解码处理， 得到所述伪模板图像的第 一身份置 换图像。 7.如权利要求6所述的方法， 其特征在于， 所述调用所述编码网络对所述第 一源图像和 所述伪模板图像进行融合编码处 理， 得到编码结果， 包括： 对所述第一源图像和所述伪模板图像进行拼接处 理， 得到拼接图像； 对所述拼接图像进行 特征学习， 得到身份置换 特征； 对所述第一源图像进行 人脸特征识别， 得到所述第一源图像的人脸特 征； 对所述身份置换特征与所述第 一源图像的人脸特征进行特征融合处理， 得到所述编码 结果。权　利　要　求　书 2/4 页 3 CN 115171199 B 3