(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210752748.1 (22)申请日 2022.06.29 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一 街2号鸿城 拓展大厦10、 1 1层 (72)发明人 朱子魁　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 吕俊秀 (51)Int.Cl. G06T 13/40(2011.01) G06T 15/00(2011.01) G06T 17/00(2006.01) (54)发明名称 模型生成、 3D发型生成方法、 装置、 电子设备 及存储介质 (57)摘要 本发明实施例提供了一种模 型生成、 3D发型 生成方法、 装置、 电子设备及存储介质。 该模型生 成方法包括： 获取2D样本人头图像和2D样本人头 图像对应的3D发型图； 将2D样本 人头图像作为输 入图输入至主干模型， 得到第一图像； 将第一图 像输入至生成式对抗网络的生 成器， 得到生成器 生成的第二图像， 将第二图像与输入图进行比 较， 对主干模型和生成式对抗网络进行训练， 直 至生成器生成的第二图像满足预设条件时， 结束 训练； 将训练结束时的主干模型确定为3D头发重 建模型。 通过本方法， 在模型训练过程中通过对 抗式生成网络对主干模型的输出结果进行 “精 修”， 从而使得训练出的3D头发重建模型能够输 出效果好、 与输入的二维平面图片更接近、 更适 配的3D发型。 权利要求书2页 说明书16页 附图7页 CN 115049765 A 2022.09.13 CN 115049765 A 1.一种模型生成方法， 其特 征在于， 所述方法包括： 获取2D样本人头图像和所述2D样本人头图像对应的3D发型图； 将所述2D样本人头图像作为输入图输入至主干模型， 得到第一图像； 所述第一图像为 3D发型图， 所述主干模型用于根据2D人头图像生成3D发型图， 所述2D样本人头图像对应的 3D发型图为所述主干模型在训练过程中的标签； 将所述第一图像输入至生成式对抗网络的生成器， 得到所述生成器生成的第二图像， 将所述第二图像与所述输入图进行比较， 对所述主干模型和所述生成式对抗网络进行训 练， 直至所述第二图像满足预设条件时， 结束训练； 所述预设条件为所述第二图像与所述输 入图的像素值 误差小于预设阈值； 将训练结束时的主干模型确定为3D头发重建模型。 2.根据权利要求1所述的方法， 其特 征在于， 在所述主干模型和所述生成式对抗网络的训练过程中， 通过第 一损失函数确定主干模 型输出的第一图像对应的第一损失函数值； 通过第二损失函数确定生成器输出的第二图像对应的第二损失函数值； 根据所述第 一损失函数值和所述第 二损失函数值确定总损失函数值， 根据所述总损失 函数值对所述主干模型和所述 生成式对抗网络的模型参数进行 更新。 3.根据权利要求2所述的方法， 其特征在于， 所述第二损 失函数至少包括： 对抗损 失函 数和重建损失函数， 所述第一损失函数、 所述对抗损失函数和所述重建损失函数均为L1损 失函数； 所述 通过第二损失函数确定生成器输出的第二图像对应的第二损失函数值， 包括： 通过所述对抗损失函数确定所述第二图像对应的对抗损失函数值； 通过所述重建损失函数确定所述第二图像对应的重建损失函数值； 根据所述对抗损 失函数值和所述对抗损 失函数对应的权重， 以及， 所述重建损 失函数 值和所述重建损失函数对应的权 重， 确定所述第二损失函数值。 4.根据权利要求3所述的方法， 其特征在于， 在所述主干模型和所述生成式对抗网络的 训练过程的初期阶段， 所述重建损失函数的权重为0； 在所述主干模 型和所述生成 式对抗网 络的训练过程的中后期阶段， 所述重建损失函数的权 重由0增加到1。 5.根据权利要求1所述的方法， 其特征在于， 所述获取2D样本人头图像和所述2D样本人 头图像对应的3D发型图， 包括： 获取3D发型图， 将所述3D发型图映射成2D样本人头图像； 所述将所述2D样本人头图像作为输入图输入至主干模型， 得到第一图像， 包括： 对所述2D样本人头图像进行预处理， 得到所述2D样本人头图像对应的第一预处理数 据， 所述第一预处理数据至少包括2D样本人头图像对应的方向图； 将所述第一预处理数据 输入至主干模型， 得到第一图像； 其中， 所述主干模型的输入图为2D样本人头图像对应的方向图， 所述主干模型的结构 为： 所述主干模型包括编码器和解码器， 所述编码器和所述解码器均由多个串行 的单元模 块构成， 所述编码器与所述解码器之间连接有多个并行的3D卷积模块； 所述单元模块的输 入端与输出端之 间和所述3D卷积模块的输入端与输出端之间均具有直连分支， 每个单元模 块对数据流上游相连接的单元模块中输入的特征信息进行融合， 使得所述单元模块能不断 融合第一预处理数据的特征信息， 所述特征信息至少包括位置信息， 所述位置信息包括头 发点的坐标信息 。权　利　要　求　书 1/2 页 2 CN 115049765 A 26.一种3D发型生成方法， 其特 征在于， 所述方法包括： 获取待处 理的2D人头图像； 将所述待处理的2D人头图像输入至如权利要求1 ‑5任一所述的模型生成方法生成的3D 头发重建模型， 得到所述3D头发重建模型输出的3D发型图。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述待处理的2D人头图像输入至如 权利要求1 ‑5任一所述的模型生成方法生成的3D头发重建模型， 得到所述3D头发重建模型 输出的3D发型图， 包括： 对所述待处理的2D人头图像进行预处理， 得到所述待处理的2D人头图像对应的第二预 处理数据； 将所述第二预处理数据输入至如权利要求1 ‑5任一所述的模型生成方法生成的3D头发 重建模型， 得到所述3D头发重建模型输出的3D发型图。 8.一种模型生成装置， 其特 征在于， 所述装置包括： 第一图像获取模块， 用于获取2D样本人头图像和所述2D样本人头图像对应的3D发型 图； 第一模型训练模块， 用于将所述2D样本人头图像作为输入图输入至主干模型， 得到第 一图像； 所述第一图像为3D发型图， 所述主干模 型用于根据2D人头图像生 成3D发型图， 所述 2D样本人头图像对应的3D发型图为所述主干模型在训练过程中的标签； 第二模型训练模块， 用于将所述第一图像输入至生成式对抗网络的生成器， 得到所述 生成器生成的第二图像， 将所述第二图像与所述输入图进行比较， 对所述主干模型和所述 生成式对抗网络进 行训练， 直至所述第二图像满足预设条件时， 结束训练； 所述预设条件为 所述第二图像与所述输入图的像素值 误差小于预设阈值； 模型生成模块， 用于将训练结束时的主干模型确定为3D头发重建模型。 9.一种3D发型生成装置， 其特 征在于， 所述装置包括： 第二图像获取模块， 用于获取待处 理的2D人头图像； 第一3D发型获取模块， 用于将所述待处理的2D人头图像输入至如权利要求1 ‑5任一所 述的模型生成方法生成的3D头发重建模型， 得到所述3D头发重建模型输出的3D发型图。 10.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述计算机程序被所述处理器执行时实现如权利要求 1至7 任一所述的方法。 11.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处 理器执行时实现如权利要求1至7任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115049765 A 3