1.一种图像处理方法,所述方法包括:
获取人脸视频模板,获取所述人脸视频模板与至少一个人脸图像集的人脸相似度,其中,人脸视频模板中的视频帧包含同一个人的人脸,每个所述人脸图像集中的人脸图像包含同一个人的人脸;
输出各个所述人脸图像集对应的人脸相似度的相关信息;
获取指示所述至少一个人脸图像集中的目标人脸图像集的用户选择信息,将所述人脸视频模板的视频帧和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练;
利用训练后的深度学习模型将所述人脸视频模板中的人脸区域转换为合成人脸,得到并输出合成图视频帧,其中,所述合成人脸是由所述目标人脸图像集所包含的人脸和所述人脸区域所合成的人脸,所述合成人脸与所述目标人脸图像集的人脸相似度大于所述合成人脸与所述人脸视频模板的人脸相似度。
2.根据权利要求1所述的方法,其中,所述方法应用于终端设备;所述输出各个所述人脸图像集对应的人脸相似度的相关信息,包括:
显示各个所述人脸图像集和/或各个所述人脸图像集的标识,以及各个所述人脸图像集对应的人脸相似度;或
按照各个所述人脸图像集对应的人脸相似度由大到小的顺序,显示各个所述人脸图像集和/或各个所述人脸图像集的标识。
3.根据权利要求2所述的方法,其中,所述将所述人脸视频模板和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练,包括:
利用所述终端设备的至少一个图形处理器,对所述深度学习模型进行训练。
4.根据权利要求1所述的方法,其中,所述初始深度学习模型包括编码器和解码器;
所述将所述人脸视频模板的视频帧和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练,包括:
将所述人脸视频模板和所述目标人脸图像集中的人脸图像输入所述深度学习模型,通过所述编码器,基于预设损失函数学习所述人脸区域和人脸图像集所包含的人脸的共同特征;以及
所述利用训练后的深度学习模型将所述人脸视频模板中的人脸区域转换为合成人脸,包括:
通过所述解码器,根据所述共同特征,还原所述人脸图像集所包含的人脸,得到所述合成人脸;
将所述合成人脸和所述人脸视频模板中人脸区域以外的其他区域进行融合,得到所述合成图视频帧。
5.根据权利要求1所述的方法,其中,获取所述人脸视频模板与至少一个人脸图像集的人脸相似度,包括:
接收服务器发送的所述人脸视频模板与所述至少一个人脸图像集的人脸相似度,其中,所述服务器响应于确定人脸图像集的数量为至少两个,确定并发送所述人脸视频模板与所述至少一个人脸图像集的人脸相似度。
6.根据权利要求1所述的方法,其中,所述将所述人脸视频模板的视频帧和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练,包括:
响应于所述目标人脸图像集对应的人脸相似度,为所述至少一个人脸图像集对应的人脸相似度中的最大人脸相似度,将所述人脸视频模板的视频帧和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练;或
响应于所述目标人脸图像集对应的人脸相似度大于预设相似度阈值,将所述人脸视频模板的视频帧和所述目标人脸图像集中的人脸图像输入深度学习模型进行训练。
7.根据权利要求1所述的方法,其中,所述方法还包括:
判断本地是否存在人脸图像集;
若本地不存在人脸图像集,执行如下获取及判断步骤:获取已选人脸图像并组成人脸图像集,判断已选人脸图像的数量是否达到预设阈值;
若所述已选人脸图像的数量达到预设阈值,将所述人脸图像集上传至所述服务器和/或存储于本地;
若所述已选人脸图像的数量未达到预设阈值,执行所述获取及判断步骤。
8.根据权利要求7所述的方法,其中,所述获取所述人脸视频模板与至少一个人脸图像集的人脸相似度,包括:
若本地存在人脸图像集,获取所述人脸视频模板与至少一个人脸图像集的人脸相似度;以及
在所述若本地存在人脸图像集,获取所述人脸视频模板与至少一个人脸图像集的人脸相似度之后,所述输出各个所述人脸图像集对应的人脸相似度的相关信息,包括:
显示指示选择是否使用本地存在的人脸图像集的候选选项,和各个所述人脸图像集对应的人脸相似度的相关信息。
9.根据权利要求8所述的方法,其中,所述获取指示所述至少一个人脸图像集中的目标人脸图像集的用户选择信息,包括:
响应于检测到第一选择操作,获取指示所述至少一个人脸图像集中的目标人脸图像集的用户选择信息,其中,所述第一选择操作为对使用本地存在的人脸图像集的候选选项的选择操作;以及
所述方法还包括:
响应于检测到第二选择操作,执行所述获取及判断步骤,其中,所述第二选择操作为对不使用本地存在的人脸图像集的候选选项的选择操作。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。