1.一种面部相似度评测方法,包括:获取目标图像和目标重建结果;其中,所述目标图像为二维面部图像,所述目标重建结果为对所述目标图像的三维重建结果进行风格化迁移后的结果;
对所述目标重建结果进行渲染,得到渲染图;
对所述目标图像进行风格迁移,得到风格化图;其中,所述风格化图与所述目标重建结果具有相同风格;
将所述渲染图和风格化图,分别输入预先训练的用于提取特征图的神经网络模型,得到所述渲染图的第一特征图和所述风格化图的第二特征图;
基于所述第一特征图和第二特征图,确定所述目标图像和目标重建结果的针对面部的相似度评测结果。
2.根据权利要求1所述的方法,其中,所述对所述目标图像进行风格迁移,得到风格化图,包括:
将所述目标图像输入指定的图像生成器,得到所述目标图像的风格化图像;
其中,所述图像生成器用于:将输入图像的风格转换为所述目标重建结果所具有的风格。
3.根据权利要求2所述的方法,其中,所述图像生成器是通过对循环生成对抗网络进行训练所得到的生成器;
所述循环生成对抗网络的源域包括样本面部图像,且目标域包括所述样本面部图像的风格迁移后的图像,所述风格迁移后的图像与所述目标重建结果具有相同风格。
4.根据权利要求1所述的方法,其中,所述神经网络模型包括有串联的多个特征提取层;
所述将所述渲染图和风格化图,分别输入预先训练的用于提取特征图的神经网络模型,得到所述渲染图的第一特征图和所述风格化图的第二特征图,包括:将所述渲染图和风格化图,分别输入预先训练的用于提取特征图的神经网络模型,得到通过指定特征提取层所提取的、所述渲染图的第一特征图和所述风格化图的第二特征图。
5.根据权利要求4所述的方法,其中,所述指定特征提取层为所述多个特征提取层中,除第一个和最后一个以外的至少一个特征提取层。
6.根据权利要求1‑5任一项所述的方法,其中,所述基于所述第一特征图和第二特征图,确定所述目标图像和目标重建结果的针对面部的相似度评测结果,包括:利用预定的损失函数,计算所述第一特征图和所述第二特征图之间的损失值;
基于所述损失值,获得所述目标图像和目标重建结果的针对面部的相似度评测结果。
7.根据权利要求6所述的方法,其中,所述损失值为多个,所述基于所述损失值,获得所述目标图像和目标重建结果的针对面部的相似度评测结果,包括:对计算得到的各个损失值进行指定运算,得到运算结果;
利用所述运算结果,获得所述目标图像和目标重建结果的针对面部的相似度评测结果。
8.根据权利要求1‑7任一项所述的方法,其中,所述神经网络模型为视觉几何群VGG网络。
9.一种面部相似度评测装置,包括:获取模块,用于获取目标图像和目标重建结果;其中,所述目标图像为二维面部图像,所述目标重建结果为对所述目标图像的三维重建结果进行风格化迁移后的结果;
渲染模块,用于对所述目标重建结果进行渲染,得到渲染图;
迁移模块,用于对所述目标图像进行风格迁移,得到风格化图;其中,所述风格化图与所述目标重建结果具有相同风格;
提取模块,用于将所述渲染图和风格化图,分别输入预先训练的用于提取特征图的神经网络模型,得到所述渲染图的第一特征图和所述风格化图的第二特征图;
确定模块,用于基于所述第一特征图和第二特征图,确定所述目标图像和目标重建结果的针对面部的相似度评测结果。
10.根据权利要求9所述的装置,其中,所述迁移模块,具体用于:将所述目标图像输入指定的图像生成器,得到所述目标图像的风格化图像;
其中,所述图像生成器用于:将输入图像的风格转换为所述目标重建结果所具有的风格。
11.根据权利要求10所述的装置,其中,所述图像生成器是通过对循环生成对抗网络进行训练所得到的生成器;
所述循环生成对抗网络的源域包括样本面部图像,且目标域包括所述样本面部图像的风格迁移后的图像,所述风格迁移后的图像与所述目标重建结果具有相同风格。
12.根据权利要求9所述的装置,其中,所述神经网络模型包括有串联的多个特征提取层;
所述提取模块,具体用于:
将所述渲染图和风格化图,分别输入预先训练的用于提取特征图的神经网络模型,得到通过指定特征提取层所提取的、所述渲染图的第一特征图和所述风格化图的第二特征图。
13.根据权利要求12所述的装置,其中,所述指定特征提取层为所述多个特征提取层中,除第一个和最后一个以外的至少一个特征提取层。
14.根据权利要求9‑13任一项所述的装置,其中,所述确定模块,包括:计算单元,用于利用预定的损失函数,计算所述第一特征图和所述第二特征图之间的损失值;
结果生成单元,用于基于所述损失值,获得所述目标图像和目标重建结果的针对面部的相似度评测结果。
15.根据权利要求14所述的装置,其中,所述损失值为多个,所述结果生成单元,具体用于:
对计算得到的各个损失值进行指定运算,得到运算结果;
利用所述运算结果,获得所述目标图像和目标重建结果的针对面部的相似度评测结果。
16.根据权利要求9‑15任一项所述的装置,其中,所述神经网络模型为视觉几何群VGG网络。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1‑8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1‑8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1‑8中任一项所述的方法。