1.本公开涉及人工智能技术领域，尤其涉及计算机视觉技术领域和虚拟 /增强现实技术领域，可应用于图像处理场景下。更具体地，本公开提供了一种虚拟形象生成方法、装置、电子设备和存储介质。
背景技术：2.随着人工智能技术的发展，在例如虚拟/增强现实等领域中，深度学习模型广泛地应用于图像处理或图像生成。此外，虚拟形象在社交、直播或游戏等场景中具有广泛的应用。可以基于人工的方式生成虚拟形象。
技术实现要素：3.本公开提供了一种虚拟形象生成方法、装置、设备以及存储介质。
4.根据本公开的一方面，提供了一种虚拟形象生成方法，该方法包括：确定目标图像中目标对象的风格特征图；根据所述风格特征图，确定多个神经辐射场矢量；以及根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象。
5.根据本公开的另一方面，提供了一种虚拟形象生成装置，该装置包括：第一确定模块，用于确定目标图像中目标对象的风格特征图；第二确定模块，用于根据所述风格特征图，确定多个神经辐射场矢量；以及生成模块，用于根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。
8.根据本公开的另一方面，提供了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本公开提供的方法。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1是根据本公开的一个实施例的可以应用虚拟形象生成方法和装置的示例性系统架构示意图；
12.图2是根据本公开的一个实施例的虚拟形象生成方法的流程图；
13.图3是根据本公开的另一个实施例的虚拟形象生成方法的流程图；
14.图4是根据本公开的一个实施例的虚拟形象生成方法的原理图；
15.图5是根据本公开的一个实施例的虚拟形象生成方法的原理图；
16.图6是根据本公开的一个实施例的虚拟形象生成装置的框图；以及
17.图7是根据本公开的一个实施例的可以应用虚拟形象生成方法的电子设备的框图。
具体实施方式
18.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
19.虚拟形象可以包括虚拟的身体。可以基于人工的方式对一个虚拟形象进行设计、生成和优化，但需要较高的时间成本和人力成本。不同设计人员对风格的理解具有主观性，导致基于同一风格可能完全不同的多个虚拟形象。此外，基于人工的方式生成的虚拟形象的面部和头发之间可能会不匹配。
20.图1是根据本公开一个实施例的可以应用虚拟形象生成方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
21.如图1所示，根据该实施例的系统架构100可以包括终端设备101、 102、103，网络104和服务器105。网络104用以在终端设备101、102、 103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
22.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
23.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备 101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
24.需要说明的是，本公开实施例所提供的虚拟形象生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的虚拟形象生成装置一般可以设置于服务器105中。本公开实施例所提供的虚拟形象生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105 通信的服务器或服务器集群执行。相应地，本公开实施例所提供的虚拟形象生成装置也可以设置于不同于服务器105且能够与终端设备101、102、 103和/或服务器105通信的服务器或服务器集群中。
25.图2是根据本公开的一个实施例的虚拟形象生成方法的流程图。
26.如图2所示，该方法200可以包括操作s210至操作s230。
27.在操作s210，确定目标图像中目标对象的风格特征图。
28.例如，目标图像中可以包含目标对象和图像背景。可以对目标图像进行处理，去除图像背景，得到处理后的目标图像。在一个示例中，可以利用语义分割模型确定图像背景所
处的区域，进而可以去除图像背景。
29.又例如，可以利用多个深度学习模型对处理后的目标图像进行处理，得到风格特征图。在一个示例中，多个深度学习模型例如可以包括u-net (u型网络)模型和stylegan2(风格化对抗生成网络)模型。
30.在操作s220，根据风格特征图，确定多个神经辐射场矢量。
31.例如，可以利用nerf(neural radiance field，神经辐射场)模型处理风格特征图，得到多个矢量，作为多个神经辐射场矢量。
32.在操作s230，根据多个神经辐射场矢量，生成与目标对象相对应的虚拟形象。
33.例如，可以根据多个神经辐射场矢量，进行图像渲染，以得到与目标对象对应的虚拟形象。
34.通过本公开实施例，可以根据用户提供的图像生成具有相应风格的虚拟形象。
35.图3是根据本公开的另一个实施例的虚拟形象生成方法的流程图。
36.如图3所示，该方法300可以包括操作s311至操作s312、操作s321 至操作s324，以及操作s331至操作s332。
37.在本公开实施例中，方法300可以确定目标图像中目标对象的风格特征图，下面将结合操作s311至操作s312进行详细说明。
38.在操作s311，确定目标对象的风格编码数据。
39.例如，目标对象包括头部。
40.例如，如上文所述，可以去除目标图像中的图像背景，得到处理后的目标图像。接下来，可以利用u-net模型对处理后的目标图像进行再次处理，得到目标对象的风格编码数据。
41.在操作s312，根据风格编码数据，确定风格特征图。
42.例如，可以利用stylegan2模型对风格编码数据进行处理，确定风格特征图。
43.在本公开实施例中，方法300也可以根据风格特征图，确定多个神经辐射场矢量。下面将结合操作s321至操作s324。
44.在操作s321，根据风格特征图，生成风格图像。
45.例如，可以利用cnn(convolutional neural network，卷积神经网络) 处理上文所述的风格特征图，以生成风格图像。在一个示例中，可以选用相应的卷积核，以根据风格特征图生成风格图像。
46.在操作s322，根据风格图像，确定重建参数。
47.例如，可以利用3dmm(3d morphable models，3d可变模型)根据上文所述的风格图像，确定重建参数。在一个示例中，重建参数例如可以包括shape(形状)参数、expression(表情)参数、texture(纹理)参数、相机内参和相机外参等等。
48.在操作s323，将风格特征图与重建参数相融合，得到融合特征图。
49.例如，可以利用第1个fc(fully connected neural network，全连接神经网络)模型处理风格特征图，得到一个风格特征信息。
50.又例如，可以利用第2个fc模型处理重建参数，得到一个重建特征信息。
51.接下来，可以将风格特征信息和重建特征信息融合，得到融合特征图。
52.在操作s324，根据融合特征图，确定多个神经辐射场矢量。
53.例如，可以利用nerf模型处理融合特征图，以确定多个神经辐射场矢量。在一个示例中，nerf模型包括多个全连接层。
54.在本公开实施例中，方法300还可以根据多个神经辐射场矢量，进行图像渲染，生成与目标图像对应的虚拟形象。下面将结合操作s331至操作s332进行详细说明。
55.在操作s331，根据多个神经辐射场矢量，得到目标对象的显式三维表达。
56.例如，可以基于mc(marching cub)算法，根据多个神经辐射场矢量，得到目标对象的显式三维表达。在一个示例中，利用本公开实施例的 nerf模型确定的多个神经辐射场矢量可以视为一种隐式三维表达。基于 mc算法，可以得到一种显式三维表达。
57.在操作s332，将显式三维表达进行渲染，生成与目标对象相对应的虚拟形象。
58.例如，可以利用上文所述的pytorch3d渲染器将显式三维表达进行渲染，得到虚拟形象。
59.通过本公开实施例，利用3dmm可以准确地确定符合目标对象风格的重建参数。此外，将重建参数与风格特征图融合，可以充分利用u-net 模型输出的信息和3dmm输出的信息。
60.通过本公开实施例，可以在风格化、个性化、需求差异化等方面为用户提供很大的自由度，提高了用户体验。本公开实施例可以生成面部皮肤和皮肤区域以外的三维毛发。该三维头发可以与面部风格匹配。
61.需要说明的是，本公开实施例提供的虚拟形象生成方法可以应用于元宇宙场景，也可以应用于其他场景。通过本公开实施例，可以为用户提供端到端完整的虚拟形象生成方法。
62.在一些实施例中，nerf模型可以包括一个fc模型。根据风格特征图或融合特征图，可以确定体素的位置信息和视角方向信息，作为nerf 模型的输入矢量。nerf模型输出的神经辐射场矢量例如可以包括颜色信息和体素密度信息。体素密度信息与体素所处的位置相关。颜色信息与体素所处的位置和视角方向有关。
63.在一些实施例中，mc算法可以逐个遍历输入的数据场中各个体素，确定该体素是否与等值面相交。在体素与等值面相交的情况下，计算等值面与一个立方体的棱边的交点，用这些交点连接成三角面片以逼近表示该体素内的等值面。在所有的体素被遍历完之后，可以得到整个数据场的等值面。在一个示例中，输入的数据场可以根据上文所述的多个神经辐射场矢量得到。
64.在一些实施例中，3dmm可以将面部形状和面部纹理作为约束，同时考虑中面部姿态和外部光照的影响，可以确定高精度的重建参数。3dmm 可以基于风格图，确定初始化参数，以便确定一个3d的初始化虚拟形象。根据该初始化虚拟形象，可以确定一个2d的投影图像。计算投影图像和风格图之间的差异值，根据该差异值调整上文所述的初始化参数。在差异值小于预设差异阈值之后，可以确定重建参数。
65.在一些实施例中，pytorch3d渲染器是一种可以为3d计算机视觉研究提供高效、可复用功能的组件。pytorch3d渲染器可以存储和操作三角形网格的数据结构，也可以基于三角形网格的数据结构进行高效运算(例如投影变换、图卷积等等)。此外，pytorch3d渲染器是一种可微分的网格渲染器。
66.图4是根据本公开的另一个实施例的虚拟形象生成方法的原理图。
67.如图4所示，可以利用虚拟形象生成模型400根据目标图像401生成虚拟形象402。
68.例如，虚拟形象生成模型400包括u-net模型410、stylegan2模型 420、cnn模型430、3dmm 440、fc模型450、fc模型460、nerf模型470和pytorch3d渲染器480。
69.例如，目标图像401中的目标对象包括头部。在一个示例中，可以去除目标图像401中的图像背景，得到处理后的目标图像。接下来，u-net 模型410可以对处理后的目标图像进行再次处理，得到目标对象的风格编码数据d_s。
70.stylegan2模型420可以对风格编码数据d_s进行处理，确定风格特征图fm_s。
71.cnn模型430可以处理风格特征图fm_s，生成风格图像img_s。
72.3dmm 440可以根据风格图像img_s，确定重建参数para。在一个示例中，重建参数para例如可以包括shape参数、expression参数、texture 参数、相机内参和相机外参等等。
73.fc模型450可以处理风格特征图fm_s，而fc模型460可以处理重建参数para。
74.可以对fc模型450的输出和fc模型460的输出进行融合，得到融合特征图fm_m。
75.nerf模型470可以处理融合特征图，确定多个神经辐射场矢量。在一个示例中，nerf模型包括多个全连接层。
76.接下来，可以基于mc(marching cub)算法，根据多个神经辐射场矢量，得到目标对象的显式三维表达。
77.pytorch3d渲染器480可以将显式三维表达进行渲染，得到虚拟形象 402。
78.在一些实施例中，上文所述的方法还包括：将样本图像输入虚拟形象生成模型，得到与样本图像中样本对象对应的虚拟形象；根据样本图像的标签和虚拟形象，训练虚拟形象生成模型。下面将结合图5进行详细说明。
79.图5是根据本公开的另一个实施例的虚拟形象生成方法的原理图。
80.如图5所示，可以利用虚拟形象生成模型500根据样本图像501生成虚拟形象502。
81.例如，虚拟形象生成模型500包括u-net模型510、stylegan2模型 520、cnn模型530、3dmm 540、fc模型550、fc模型560、nerf模型570和pytorch3d渲染器580。可以理解，上文对u-net模型410、 stylegan2模型420、cnn模型430、3dmm 440、fc模型450、fc模型 460、nerf模型470和pytorch3d渲染器480的详细描述同样适用于本实施例，本公开再次不在赘述。
82.在pytorch3d渲染器580生成与样本图像501中样本对象对应的虚拟形象502之后，可以根据虚拟形象502和标签503，确定损失值504。根据损失值504可以调整虚拟形象生成模型500的参数。例如，可以根据损失值504调整u-net模型510、stylegan2模型520、cnn模型530、3dmm540、fc模型550、fc模型560、nerf模型570和pytorch3d渲染器580 中一个或多个模型的参数，使得损失值504小于或等于预设损失阈值。在一个示例中，可以在损失值小于或等于预设损失阈值之后，可以得到经训练的虚拟形象生成模型，作为上文所述的虚拟形象生成模型400。
83.例如，样本图像501的标签可以是人工确定的。可以由多个不同的虚拟形象设计人员根据样本图像中的样本对象设计多个备选的虚拟形象。再由多个设计人员分别对多个备选的虚拟形象进行评价，将评价最高的虚拟形象作为样本图像501的标签。
84.例如，可以利用l1损失函数或l2损失函数确定损失值504。
85.图6是根据本公开的一个实施例的虚拟形象生成装置的框图。
86.如图6所示，该装置600可以包括第一确定模块610、第二确定模块620和生成模块630。
87.第一确定模块610，用于确定目标图像中目标对象的风格特征图。在一个示例中，第一确定模块610可以用于执行操作s210，本公开在此不在赘述。
88.第二确定模块620，用于根据所述风格特征图，确定多个神经辐射场矢量。在一个示例中，第二确定模块620可以用于执行操作s220，本公开在此不在赘述。
89.生成模块630，用于根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象。在一个示例中，生成模块630可以用于执行操作 s230，本公开在此不在赘述。
90.在一些实施例中，所述第一确定模块包括：第一确定单元，用于确定所述目标对象的风格编码数据；以及第二确定单元，用于根据所述风格编码数据，确定所述风格特征图。在一个示例中，第一确定单元可以用于执行操作s311。在一个示例中，第二确定单元可以用于执行操作s312，本公开在此不在赘述。
91.在一些实施例中，所述第二确定模块包括：第一生成单元，用于根据所述风格特征图，生成风格图像；第三确定单元，用于根据所述风格图像，确定重建参数；融合单元，用于将所述风格特征图与所述重建参数相融合，得到融合特征图；以及第四确定单元，用于根据所述融合特征图，确定多个神经辐射场矢量。在一个示例中，第一生成单元可以用于执行操作s321。在一个示例中，第三确定单元可以用于执行操作s322。在一个示例中，融合单元可以用于执行操作s323。在一个示例中，第四确定单元可以用于执行操作s324，本公开在此不在赘述。
92.在一些实施例中，所述生成模块包括：获得单元，用于根据所述多个神经辐射场矢量，得到所述目标对象的显式三维表达；以及第二生成单元，用于将所述显式三维表达进行渲染，生成与所述目标对象相对应的虚拟形象。在一个示例中，获得单元可以用于执行操作s331。在一个示例中，第二生成单元可以用于执行操作s332，本公开在此不在赘述。
93.在一些实施例中，所述目标对象包括头部。
94.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
95.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
96.在本公开实施例中，提供了一种电子设备，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本公开提供的方法。
97.在本公开实施例中，提供了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本公开提供的方法。
98.本公开实施例中，提供了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本公开提供的方法。
99.图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种
形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
100.如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在 ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元 701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o) 接口705也连接至总线704。
101.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
102.计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如虚拟形象生成方法。例如，在一些实施例中，虚拟形象生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由 rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的虚拟形象生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元 701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行虚拟形象生成方法。
103.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
104.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
105.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合
适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
106.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
107.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
108.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
109.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
110.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
技术特征：1.一种虚拟形象生成方法，包括：确定目标图像中目标对象的风格特征图；根据所述风格特征图，确定多个神经辐射场矢量；以及根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象。2.根据权利要求1所述的方法，其中，所述确定目标图像中目标对象的风格特征图包括：确定所述目标对象的风格编码数据；以及根据所述风格编码数据，确定所述风格特征图。3.根据权利要求1所述的方法，其中，所述根据所述风格特征图，确定多个神经辐射场矢量包括：根据所述风格特征图，生成风格图像；根据所述风格图像，确定重建参数；将所述风格特征图与所述重建参数相融合，得到融合特征图；以及根据所述融合特征图，确定多个神经辐射场矢量。4.根据权利要求3所述的方法，其中，所述根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象包括：根据所述多个神经辐射场矢量，得到所述目标对象的显式三维表达；以及将所述显式三维表达进行渲染，生成与所述目标对象相对应的虚拟形象。5.根据权利要求1至4任一项所述的方法，其中，所述目标对象包括头部。6.一种虚拟形象生成装置，包括：第一确定模块，用于确定目标图像中目标对象的风格特征图；第二确定模块，用于根据所述风格特征图，确定多个神经辐射场矢量；以及生成模块，用于根据所述多个神经辐射场矢量，生成与所述目标对象相对应的虚拟形象。7.根据权利要求6所述的装置，其中，所述第一确定模块包括：第一确定单元，用于确定所述目标对象的风格编码数据；以及第二确定单元，用于根据所述风格编码数据，确定所述风格特征图。8.根据权利要求6所述的装置，其中，所述第二确定模块包括：第一生成单元，用于根据所述风格特征图，生成风格图像；第三确定单元，用于根据所述风格图像，确定重建参数；融合单元，用于将所述风格特征图与所述重建参数相融合，得到融合特征图；以及第四确定单元，用于根据所述融合特征图，确定多个神经辐射场矢量。9.根据权利要求8所述的装置，其中，所述生成模块包括：获得单元，用于根据所述多个神经辐射场矢量，得到所述目标对象的显式三维表达；以及第二生成单元，用于将所述显式三维表达进行渲染，生成与所述目标对象相对应的虚拟形象。10.根据权利要求6至9任一项所述的装置，其中，所述目标对象包括头部。11.一种电子设备，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至5中任一项所述的方法。12.一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至5中任一项所述的方法。13.一种计算机程序产品，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至5中任一项所述的方法。
技术总结本公开提供了一种虚拟形象生成方法，涉及人工智能技术领域，尤其涉及计算机视觉技术领域和虚拟/增强现实技术领域。具体实现方案为：确定目标图像中目标对象的风格特征图；根据风格特征图，确定多个神经辐射场矢量；以及根据多个神经辐射场矢量，生成与目标对象相对应的虚拟形象。本公开还提供了一种虚拟形象生成装置、电子设备和存储介质。电子设备和存储介质。电子设备和存储介质。
技术研发人员：李杰 赵晨
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.03.28
技术公布日：2022/7/5
