对象图像补全的制作方法

技术特征：
1.一种处理器，包括：一个或更多个电路，用于使用一个或更多个神经网络至少部分地基于对象的一部分的图像来生成完整对象的图像，其中所述一个或更多个神经网络的编码器是使用至少部分地基于所述一个或更多个神经网络的解码器的输出生成的训练数据来训练的。2.根据权利要求1所述的处理器，其中所述一个或更多个神经网络包括用于基于输入图像来生成多个完整图像的生成模型框架。3.根据权利要求1所述的处理器，其中至少部分地基于包括完整对象的图像并排除对象的部分的图像的数据集来训练所述解码器。4.根据权利要求1所述的处理器，其中在使用所述训练数据训练所述编码器的同时，不调整所述解码器的参数。5.根据权利要求4所述的处理器，其中经训练的编码器的输出使所述解码器基于对象的一部分的图像到所述一个或更多个神经网络的输入来生成完整对象的多个图像。6.根据权利要求1所述的处理器，所述一个或更多个电路用于通过生成完整的第一对象的第一图像和完整的第二对象的第二图像并且组合所述第一图像和所述第二图像以使得所述第一对象至少部分地被所述第二对象遮挡来生成所述训练数据。7.根据权利要求1所述的处理器，所述一个或更多个电路用于在利用生成的训练数据训练所述编码器之后，至少部分地基于对象的部分的多个真实图像来细化所述编码器的训练。8.根据权利要求1所述的处理器，其中所述一个或更多个神经网络中的一个或更多个神经网络被训练为对所述解码器的输出进行空间变换。9.一种系统，包括：一个或更多个处理器，用于将一个或更多个神经网络训练为至少部分地基于对象的一部分的图像来生成完整对象的图像，其中所述一个或更多个神经网络的编码器是使用至少部分地基于所述一个或更多个神经网络的解码器的输出生成的训练数据来训练的。10.根据权利要求9所述的系统，其中所述一个或更多个神经网络包括生成模型框架，用于基于输入图像生成多个完整图像，其中所述生成模型框架包括变分自动编码器、生成对抗网络或归一化流中的至少一个。11.根据权利要求9所述的系统，所述一个或更多个处理器用于使用包括完整对象的图像的数据集来将所述解码器训练为生成完整对象的图像的变化。12.根据权利要求9所述的系统，其中在使用至少部分地基于所述解码器的输出生成的所述训练数据来训练所述编码器的同时，所述解码器的参数被冻结。13.根据权利要求12所述的系统，其中经训练的编码器的输出使所述解码器基于对象的一部分的图像到所述一个或更多个神经网络的输入来生成完整对象的多个图像以及对应于所述多个图像的多个概率。14.根据权利要求9所述的系统，所述一个或更多个处理器用于通过生成完整的第一对象的第一图像和完整的第二对象的第二图像并且组合所述第一图像和所述第二图像以使得所述第一对象至少部分地被所述第二对象遮挡来生成所述训练数据。15.根据权利要求9所述的系统，所述一个或更多个处理器用于将所述一个或更多个神经网络中的一个或更多个神经网络训练为对所述解码器的输出进行空间变换。
16.一种方法，包括：将神经网络训练为至少部分地基于对象的一部分的图像来生成完整对象的图像，其中所述一个或更多个神经网络的编码器是使用至少部分地基于所述一个或更多个神经网络的解码器的输出生成的训练数据来训练的。17.根据权利要求16所述的方法，其中所述一个或更多个神经网络包括变分自动编码器、生成对抗网络或归一化流中的至少一个。18.根据权利要求16所述的方法，还包括：使用包括完整对象的图像的数据集来将所述解码器训练为生成完整对象的图像的变化。19.根据权利要求16所述的方法，还包括：在使用至少部分地基于所述解码器的输出生成的所述训练数据来训练所述编码器的同时，冻结所述解码器的参数。20.根据权利要求19所述的方法，其中经训练的编码器的输出使所述解码器基于对象的一部分的图像到所述一个或更多个神经网络的输入来生成完整对象的多个图像以及对应于所述多个图像的多个概率。21.根据权利要求16所述的方法，还包括：通过生成完整的第一对象的第一图像和完整的第二对象的第二图像以及组合所述第一图像和所述第二图像以使得所述第一对象至少部分地被所述第二对象遮挡来生成所述训练数据。22.根据权利要求16所述的方法，还包括：将所述一个或更多个神经网络中的一个或更多个神经网络训练为对所述解码器的输出进行空间变换。23.一种机器可读介质，具有存储在其上的指令，所述指令如果由一个或更多个处理器执行，则使所述一个或更多个处理器至少：改变图像，以合并由一个或更多个神经网络从所述图像中的对象的一部分的描绘生成的完整对象的描绘，使用至少部分地基于所述一个或更多个神经网络的解码器的输出生成的训练数据来训练所述一个或更多个神经网络。24.根据权利要求23所述的机器可读介质，具有存储在其上的进一步指令，所述指令如果由一个或更多个处理器执行，则使所述一个或更多个处理器至少：至少部分地基于所述对象的所述部分的所述图像生成完整对象的多个变化。25.根据权利要求23所述的机器可读介质，其中在使用完整对象的图像训练所述解码器之后，冻结所述解码器的参数。26.根据权利要求23所述的机器可读介质，其中所述训练数据包括描绘基于所述解码器的输出生成的多个对象的图像。27.根据权利要求26所述的机器可读介质，其中所述多个对象中的第一对象与所述多个对象中的第二对象重叠。28.根据权利要求23所述的机器可读介质，其中对所述图像的所述改变包括用对所述完整对象的描绘来替换对所述图像中的部分对象的描绘。29.根据权利要求23所述的机器可读介质，其中对所述图像的所述改变包括移除所述
图像中的遮挡所述对象的所述部分的对象。

技术总结
公开了对象图像补全，具体公开了用于基于对象的部分描绘来生成对象的完整描绘的装置、系统和技术。在至少一个实施例中，由一个或更多个神经网络使用一个或更多个神经网络的编码器，基于对象的一部分的图像生成完整对象的图像，所述一个或更多个神经网络使用从一个或更多个神经网络的解码器的输出生成的训练数据进行训练。据进行训练。据进行训练。


技术研发人员：S
受保护的技术使用者：辉达公司
技术研发日：2021.08.30
技术公布日：2022/3/18