(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 202210952578.1 (22)申请日 2022.08.09 (71)申请人 厦门美图宜肤科技有限公司 地址 361100 福建省厦门市翔安区火炬高 新区(翔安)产业区同龙二路942号5 68 (72)发明人 刘兴云　齐子铭　李志阳　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏 (51)Int.Cl. G06V 40/16(2022.01) A61B 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 皮肤光泽度预测方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供一种皮肤光泽度预测方法、 装 置、 电子设备及存储介质， 涉及计算机视觉技术 领域。 该方法包括： 获取待预测的当前人脸图像 以及目标光泽度标签， 目标光泽度标签用于指示 预期的皮肤光泽度的变化类型； 将当前人脸图像 以及目标光泽度标签输入至预先训练得到的皮 肤光泽度预测模型， 得到目标人脸光泽度图像， 其中， 目标人脸光泽度图像相对于当前人脸图像 的光泽度变化信息满足目标光泽度标签所指示 的变化类型。 本方案可以在目标用户的当前人脸 图像中所反映的皮肤光泽度的基础上， 通过不同 的光泽度标签， 来控制皮肤光泽度预测模型输出 的光泽度预测结果， 从而实现了对目标用户在未 来一段时间后皮肤 光泽度变化趋势的预测。 权利要求书3页 说明书15页 附图7页 CN 115311716 A 2022.11.08 CN 115311716 A 1.一种皮肤 光泽度预测方法， 其特 征在于， 包括： 获取待预测的当前人脸图像以及目标光泽度标签， 所述目标光泽度标签用于指示预期 的皮肤光泽度的变化类型， 所述变化类型包括： 变好或变差； 将所述当前人脸图像以及所述目标光泽度标签输入至预先训练得到的皮肤光泽度预 测模型， 得到目标人脸光泽度图像， 其中， 所述目标人脸光泽度图像相对于所述当前人脸图 像的光泽度变化信息满足所述目标光 泽度标签所指示的所述变化类型。 2.根据权利要求1所述的方法， 其特征在于， 其中， 所述皮肤光泽度 预测模型包括： 编码 网络、 第一 解码网络、 第二 解码网络； 所述将所述当前人脸图像以及所述目标光泽度标签输入至预先训练得到的皮肤光泽 度预测模型， 得到目标 人脸光泽度图像， 包括： 将所述当前 人脸图像输入所述编码网络进行编码， 得到图像编码结果； 将所述图像编码结果以及所述目标光泽度标签输入所述第 一解码网络， 由所述第 一解 码网络基于所述图像编 码结果以及所述目标光泽度标签， 生成所述当前人脸图像对应的细 节生成图像， 所述细节生成图像中包括所述当前 人脸图像对应的人脸的高频细节信息； 将所述图像编码结果、 所述目标光泽度标签以及所述细节生成图像输入所述第 二解码 网络， 由所述第二解码网络基于所述图像编 码结果、 所述光泽度标签、 以及所述细节生 成图 像， 生成所述目标 人脸光泽度图像。 3.根据权利要求2所述的方法， 其特征在于， 所述皮肤光泽度预测模型还包括： 全连接 层和激活函数层； 所述将所述图像编码结果以及所述目标光 泽度标签输入所述第一 解码网络， 包括： 将所述目标光泽度标签输入所述全连接层， 经由所述全连接层以及所述激活函数层对 所述目标光 泽度标签进行编码， 得到标签编码结果； 将所述图像编码结果以及所述标签编码结果输入所述第一 解码网络； 所述将所述图像编码结果、 所述目标光泽度标签以及所述细节生成图像输入所述第 二 解码网络， 包括： 将所述图像编码结果、 所述标签编码结果以及所述细节生成图像输入所述第 二解码网 络。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述皮肤光泽度 预测模型采用下 述方式训练得到： 获取训练数据集， 所述训练数据集中包括： 多个人脸样本的原始图像、 所述多个人脸样 本的光泽度真实图像、 以及所述多个人脸样本的细节真实图像， 其中， 所述光泽度真实图像 包括： 光泽度变好图像、 光 泽度变差图像； 基于所述训练数据集， 对初始皮肤光泽度预测模型进行迭代训练， 得到所述皮肤光泽 度预测模型。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述训练数据集， 对初始皮肤光 泽度预测模型进行迭代训练， 得到所述皮肤 光泽度预测模型， 包括： A、 将第一人脸样本的原始图像输入至初始编码网络， 得到所述第一人脸样本的图像编 码结果； B、 将所述第一人脸样本的图像编码结果、 第一光泽度标签输入至初始第一解码网络，权　利　要　求　书 1/3 页 2 CN 115311716 A 2生成所述第一人脸样本的细节生成图像； 其中， 所述第一光泽度标签包括： 光泽度变好标 签、 光泽度变差标签； C、 将所述第一人脸样本的图像编码结果、 所述第一光泽度标签、 及所述第一人脸样本 的细节生成图像输入至初始第二 解码网络， 生成所述第一人脸样本的光 泽度生成图像； D、 将所述第 一人脸样本的光泽度生成图像、 及所述第 一人脸样本的光泽度真实图像输 入至初始判别器模型， 得到所述第一人脸样本的判定结果； E、 根据所述第一人脸样本的细节生成图像、 所述第一人脸样本的细节真实图像， 计算 所述初始第一解码网络的损失值， 并根据所述初始第一解码网络的损失值修正所述初始第 一解码网络的参数， 得到新的初始第一 解码网络； F、 根据所述第一人脸样本的光泽度生成图像、 所述第一人脸样本的光泽度真实图像， 计算所述初始第二解码网络的损失值， 并根据所述初始第二解码网络的损失值修正所述初 始第二解码网络的参数、 所述初始编码网络的参数， 得到新的初始第二解码网络、 新的初始 编码网络； G、 根据所述第一人脸样本的判定结果， 计算所述初始判别器模型的损 失值， 并根据所 述初始判别器模型的损失值 修正所述初始判别器模型的参数， 得到新的初始判别器模型； 循环执行步骤A ‑G， 直至所述初始第一解码网络的损失值、 所述初始第 二解码网络的损 失值及所述初始判别器模型的损失值均满足预设条件， 则将满足所述预设条件的所述初始 第一解码网络作为所述第一解码网络、 将所述初始第二解码网络作为所述第二解码网络、 将所述初始编码网络作为所述编码网络及将所述初始判别器模型作为目标判别器模型。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述第 一人脸样本的光泽度生成图 像、 及所述第一人脸样本的光 泽度真实图像输入至初始判别器模型， 包括： 按照预设的裁剪参数， 分别对所述第一人脸样本的光泽度生成图像、 所述第一人脸样 本的光泽度真实 图像进行裁剪， 得到多个所述第一人脸样本的光泽度生成块图像、 多个所 述第一人脸样本的光 泽度真实块图像； 分别将多个所述第 一人脸样本的光泽度生成块图像、 多个所述第 一人脸样本的光泽度 真实块图像输入至所述初始判别器模型。 7.一种皮肤 光泽度预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待预测的当前人脸图像以及目标光泽度标签， 所述目标光泽度标 签用于指示预期的皮肤 光泽度的变化类型， 所述变化类型包括： 变好或变差； 生成模块， 用于将所述当前人脸图像以及所述目标光泽度标签输入至预先训练得到的 皮肤光泽度预测模型， 得到目标人脸光泽度图像， 其中， 所述目标人脸光泽度图像相对于所 述当前人脸图像的光 泽度变化信息满足所述目标光 泽度标签所指示的所述变化类型。 8.根据权利要求7所述的装置， 其特征在于， 其中， 所述皮肤光泽度 预测模型包括： 编码 网络、 第一 解码网络、 第二 解码网络； 所述生成模块， 具体用于： 将所述当前 人脸图像输入所述编码网络进行编码， 得到图像编码结果； 将所述图像编码结果以及所述目标光泽度标签输入所述第 一解码网络， 由所述第 一解 码网络基于所述图像编 码结果以及所述目标光泽度标签， 生成所述当前人脸图像对应的细 节生成图像， 所述细节生成图像中包括所述当前 人脸图像对应的人脸的高频细节信息；权　利　要　求　书 2/3 页 3 CN 115311716 A 3