技术特征：
1.一种训练生成器神经网络以将低质量三维面部扫描转换为高质量三维面部扫描的方法，所述方法包括联合训练鉴别器神经网络和生成器神经网络，其特征在于，所述联合训练包括：将所述生成器神经网络应用于低质量空间uv图，生成候选高质量空间uv图；将所述鉴别器神经网络应用于所述候选高质量空间uv图，生成重建的候选高质量空间uv图；将所述鉴别器神经网络应用于高质量地面真值空间uv图，生成重建的高质量地面真值空间uv图，其中，所述高质量地面真值空间uv图对应于所述低质量空间uv图；根据所述候选高质量空间uv图和所述重建的候选高质量空间uv图的比较，更新所述生成器神经网络的参数；根据所述候选高质量空间uv图和所述重建的候选高质量空间uv图的比较以及所述高质量地面真值空间uv图和所述重建的高质量地面真值空间uv图的比较，更新所述鉴别器神经网络的参数。2.根据权利要求1所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络包括一组编码层和一组解码层，其中，所述编码层用于将输入空间uv图转换为嵌入，所述解码层用于将所述嵌入转换为输出空间uv图。3.根据权利要求2所述的方法，其特征在于，在所述生成器神经网络和所述鉴别器神经网络的所述联合训练期间，一个或多个所述解码层的参数是固定的。4.根据权利要求2或3所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络的所述解码层包括所述解码层的初始层中的一个或多个跳跃连接。5.根据上述权利要求中任一项所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络包括多个卷积层。6.根据上述权利要求中任一项所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络包括一个或多个全连接层。7.根据上述权利要求中任一项所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络包括一个或多个上采样层和/或子采样层。8.根据上述权利要求中任一项所述的方法，其特征在于，所述生成器神经网络和/或所述鉴别器神经网络的网络结构相同。9.根据上述权利要求中任一项所述的方法，其特征在于，更新所述生成器神经网络的参数还根据所述候选高质量空间uv图和所述对应的高质量地面真值空间uv图之间的比较。10.根据上述权利要求中任一项所述的方法，其特征在于，更新所述生成器神经网络的参数包括：根据所述候选高质量空间uv图与所述对应的重建的候选高质量空间uv图之间的差值，使用生成器损失函数计算生成器损失；将优化过程应用于所述生成器神经网络，以根据所述计算出的生成器损失更新所述生成器神经网络的所述参数。11.根据权利要求10所述的方法，其特征在于，所述生成器损失函数还根据所述候选高质量空间uv图与所述对应的高质量地面真值空间uv图之间的差值，计算所述生成器损失。12.根据上述权利要求中任一项所述的方法，其特征在于，更新所述鉴别器神经网络的
参数包括：根据所述候选高质量空间uv图与所述重建的候选高质量空间uv图之间的差值以及所述高质量地面真值空间uv图与所述重建的高质量地面真值空间uv图之间的差值，使用鉴别器损失函数计算鉴别器损失；将优化过程应用于所述鉴别器神经网络，以根据所述计算出的鉴别器损失更新所述鉴别器神经网络的所述参数。13.根据上述权利要求中任一项所述的方法，其特征在于，还包括预训练所述鉴别器神经网络，以根据输入高质量地面真值空间uv图重建高质量地面真值空间uv图。14.一种将低质量三维面部扫描转换为高质量三维面部扫描的方法，其特征在于，所述方法包括：接收面部扫描的低质量空间uv图；将神经网络应用于所述低质量空间uv图；从所述神经网络输出所述面部扫描的高质量空间uv图，其中，所述神经网络是使用根据权利要求1至13中任一项所述的方法训练的生成器神经网络。15.一种装置，其特征在于，包括：一个或多个处理器；存储器，其中，所述存储器包括计算机可读指令，当由所述一个或多个处理器执行时，所述计算机可读指令使得所述装置执行根据上述权利要求中任一项所述的方法。16.一种包括计算机可读指令的计算机程序产品，其特征在于，当由计算执行时，所述计算机可读指令使得所述计算执行根据权利要求1至14中任一项所述的方法。
技术总结
本说明书描述了使用神经网络增强3D面部数据的方法，以及训练神经网络增强3D面部数据的方法。根据本发明的第一方面，描述了一种训练生成器神经网络以将低质量3D面部扫描转换为高质量3D面部扫描的方法，所述方法包括：将所述生成器神经网络应用于低质量空间UV图，生成候选高质量空间UV图；将鉴别器神经网络应用于所述候选高质量空间UV图，生成重建的候选高质量空间UV图；将所述鉴别器神经网络应用于高质量地面真值空间UV图，生成重建的高质量地面真值空间UV图，其中，所述高质量地面真值空间UV图对应于所述低质量空间UV图；根据所述候选高质量空间UV图和所述重建的候选高质量空间UV图的比较，更新所述生成神经网络的参数；根据所述候选高质量空间UV图和所述重建的候选高质量空间UV图的比较以及所述高质量地面真值空间UV图和所述重建的高质量地面真值空间UV图的比较，更新所述鉴别器神经网络的参数。更新所述鉴别器神经网络的参数。更新所述鉴别器神经网络的参数。
技术研发人员：斯蒂利亚诺斯
受保护的技术使用者：华为技术有限公司
技术研发日：2020.03.05
技术公布日：2021/9/28