CN118379434B 一种基于深度学习算法生成人脸3d图像的方法 （山东理工大学）.pdfVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118379434B

(45)授权公告日2024.08.16

(21)申请号202410804280.5G06N3/0455(2023.01)

G06N3/08(2023.01)

(22)申请日2024.06.21

(56)对比文件

(65)同一申请的已公布的文献号

申请公布号CN118379434ACN113421335A,2021.09.21

CN116994294A,2023.11.03

(43)申请公布日2024.07.23

审查员刘晓丹

(73)专利权人山东理工大学

地址255000山东省淄博市张店区新村西

路266号

(72)发明人王建宏黃佩喧王家豐

(74)专利代理机构淄博市众朗知识产权代理事

务所(特殊普通合伙)37316

专利代理师郑祥伟

(51)Int.Cl.

G06T17/00(2006.01)

G06N3/0464(2023.01)权利要求书2页说明书5页附图1页

(54)发明名称

一种基于深度学习算法生成人脸3D图像的

方法

(57)摘要

本发明属于人脸建模技术领域，涉及一种基

于深度学习算法生成人脸3D图像的方法，步骤包

括：采用变分自编码器和卷积神经网络，构建人

脸3D图像生成模型：变分自编码器的编码器将输

入数据压缩为低维度的特征向量表示，解码器将

提取的特征向量作用到FLAME基准人脸模型上，

从而生成目标3D人脸模型；构建训练模型，并基

于人脸2D图像数据集，对人脸3D图像生成模型进

行训练；用户上传人脸2D图像，通过训练后的人

脸3D图像生成模型对用户图像进行重构，最终得

到细致的用户人脸3D图像。本发明可以通过单张

B人脸2D图像，自动生成一个真实的立体图像，使

4用更加方便，而且更加贴近真实，能用很好的应

3

4

9用在虚拟空间领域。

7

3

8

1

1

N

C

CN118379434B权利要求书1/2页

1.一种基于深度学习算法生成人脸3D图像的方法，其特征在于包括以下步骤：

S1、采用变分自编码器和卷积神经网络，构建人脸3D图像生成模型：变分自编码器的编

码器将输入数据压缩为低维度的特征向量表示，即为从输入数据中提取特征向量，变分自

编码器的解码器将提取的特征向量作用到FLAME基准人脸模型上，从而生成目标3D人脸模

型，其中编码器采用卷积神经网络结构，解码器采用FLAME基准人脸模型的解析函数，人脸

3D图像生成模型的输入数据为人脸2D图像，输出为3D空间的向量；

S2、构建训练模型，并基于人脸2D图像数据集，对人脸3D图像生成模型进行训练；训练

模型为采用Python编程语言和pytorch深度学习框架搭建的基于深度学习的卷积神经网络

模型，训练过程包括：

S21、进行数据预处理；

S22、预训练编码器和解码器；

S23、进行coarse训练；

S24、进一步进行训练，得到更为细致的表情参数；

S3、用户上传人脸2D图像，通过训练后的人脸3D图像生成模型对用户图像进行重构，最

终得到