一种商品使用效果模拟方法、装置及设备与流程

本发明涉及图像处理的技术领域，尤其是涉及一种商品使用效果模拟方法、装置及设备。

背景技术

随着互联网技术的发展和智能终端设备的普及，线上购物的便利程度和服务完善程度越来越高，从而吸引了越来越多的人进行网购。然而人们始终没有彻底告别实体购物，其中一个重要原因就是人们在线上进行购物时始终无法知道某一商品安放在某一场景中，或者是用户本人亲自穿戴某一商品的使用效果，只能依靠购物和使用经验进行想象或查看买家评论，从而导致用户对商品的使用效果预估不准确、降低用户的购物体验和对商品满意程度的问题。

为了改善上述情况，现有的使用效果模拟方式、虚拟试装方法直接将商品图片和用户的使用场景图片进行图像处理以将二者合成为使用效果模拟图片。但是直接卖家的商品图片与用户的使用场景图片进行合成，仍然存在使用效果模拟准确程度低、真实度低的问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种商品使用效果模拟方法、装置及设备，以缓解现有技术现有的虚拟试装方法获得的使用模拟结果真实度低、准确度低的技术问题。

第一方面，本发明实施例提供了一种商品使用效果模拟方法，包括：获取商品的产品图片和使用环境图片；将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型；向用户显示所述使用效果模拟图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述商品为用户穿戴的物品，所述使用环境图片为包括穿戴所述商品的身体部位的图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，获取商品的使用环境图片，包括：接收用户上传的商品的使用环境图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述接收用户上传的商品的使用环境图片之前，所述商品使用效果模拟方法还包括：向所述用户显示所述商品的使用环境示例。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，获取商品的使用环境图片，包括：接收用户上传的至少一幅待定使用环境图片；根据所述商品的使用效果展示图片从所述待定使用环境图片中确定展示所述商品的使用位置的第一待定使用环境图片，将所述第一待定使用环境图片作为所述使用环境图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述获取商品的产品图片和使用环境图片之后，以及所述将所述使用环境图片输入生成式对抗网络gan模型之前，所述商品使用效果模拟方法还包括：对所述使用环境图片进行标准化处理，以使所述使用环境图片符合所述gan模型的输入要求。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型之前，所述商品使用效果模拟方法还包括：获取所述商品的使用效果展示图片，所述使用效果展示图片用于展示所述商品设置在对应使用场景下的使用效果；基于所述产品图片和所述使用效果展示图片训练获得所述gan模型。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，获取所述商品的使用效果展示图片，包括：从所述商品的买家带图评论中获取所述使用效果展示图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述gan模型包括生成子模型和判别子模型，所述基于所述产品图片和所述使用效果展示图片训练获得所述生成式对抗网络gan模型，包括：将所述产品图片和所述使用效果展示图片输入所述生成子模型，获取所述生成子模型生成的待定使用效果模拟图片；通过所述判别子模型判断所述待定使用效果模拟图片是否为真实图片；确定所述待定使用效果模拟图片被所述判别子模型判定为真实图片的概率大于预设阈值，结束训练获得所述gan模型。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述获取所述gan模型输出的所述商品的使用效果模拟图片之后，所述商品使用效果模拟方法还包括：向用户显示所述使用效果模拟图片的模拟准确率，所述模拟准确率为所述预设阈值。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述gan模型为2d生成式对抗网络模型，所述将所述产品图片和所述使用环境图片输入生成式对抗网络模型，获取所述gan模型输出的所述商品的使用效果模拟图片，包括：将所述产品图片和所述使用环境图片输入所述2dgan模型，获取所述2dgan模型输出的所述商品的2d使用效果模拟图片，将所述2d使用效果模拟图片作为所述使用效果模拟图片。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述gan模型包括2dgan子模型和3dgan子模型，所述获取所述gan模型输出的所述商品的使用效果模拟图片，包括：将所述产品图片和所述使用环境图片输入所述2dgan子模型，获取所述2dgan子模型输出的所述商品的2d使用效果模拟图片；将所述2d使用效果模拟图片输入所述3dgan子模型，获取所述3dgan子模型输出的3d使用效果模拟图片，将所述3d使用效果模拟图片作为所述使用效果模拟图片。

第二方面，本发明实施例提供了一种商品使用效果模拟装置，应用于商品使用效果模拟设备，包括：获取模块，用于获取商品的产品图片和使用环境图片；模拟模块，用于将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型；显示模块，用于向用户显示所述使用效果模拟图片。

第三方面，本发明实施例提供了一种商品使用效果模拟设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述商品使用效果模拟方法中任一所述方法。

第四方面，本发明实施例提供了一种计算机存储介质，其上存储有计算机程序，所述计算机运行所述计算机程序时执行上述所述的方法。

在本发明实施例中，首先，获取商品的产品图片和使用环境图片；然后，将所述产品图片和所述使用环境图片输入＝生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型；再向用户显示所述使用效果模拟图片。

考虑到现有技术中使用模拟结果真实度低、准确度低的技术问题，在本实施例中，通过结合其他真实的使用效果展示图片，采用gan模型生成用户的使用效果模拟图片的方式，能够提高使用效果模拟图片的真实度和准确度。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例提供的一种电子设备的示意图；

图2是本发明实施例提供的一种商品使用效果模拟方法的流程图；

图3是本发明实施例提供的第二种商品使用效果模拟方法的流程图；

图4是本发明实施例提供的第三种商品使用效果模拟方法的流程图；

图5是本发明实施例提供的第四种商品使用效果模拟方法的流程图；

图6是本发明实施例提供的第五种商品使用效果模拟方法的流程图；

图7是本发明实施例提供的第六种商品使用效果模拟方法的流程图；

图8是本发明实施例提供的第七种商品使用效果模拟方法的流程图；

图9是本发明实施例提供的第八种商品使用效果模拟方法的流程图；

图10是本发明实施例提供的第九种商品使用效果模拟方法的流程图；

图11是本发明实施例提供的一种商品使用效果模拟装置的示意图。

图标：100-电子设备；102-处理设备；104-存储装置；106-输入装置；108-输出装置；110-图像处理设备；200-商品使用效果模拟装置；201-获取模块；202-模拟模块；203-显示模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

首先，参照图1来描述用于实现本发明实施例的商品使用效果模拟方法的示例电子设备100。

如图1所示，电子设备100包括一个或多个处理设备102、一个或多个存储装置104、输入装置106、输出装置108和图像处理设备110，这些组件通过总线系统和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备100也可以具有其他组件和结构。

所述处理设备102可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理设备102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述图像处理设备110可以是包括图形处理器的用于进行数字图像处理的电子设备100。

示例性地，用于实现根据本发明实施例的商品使用效果模拟方法的示例电子设备100可以被实现为诸如智能手机、平板电脑、身份验证机等终端上。

根据本发明实施例，提供了一种商品使用效果模拟方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是本发明实施例提供的一种商品使用效果模拟方法的流程图，如图2所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s22，获取商品的产品图片和使用环境图片。

在本实施例中，使用环境图片为商品对应的穿戴、装配部位的图片，或者是商品对应的摆放背景的图片。例如，商品为上衣时其使用环境图片对应为用户的躯干部分的图片，商品为装饰画框时其使用环境图片对应为房屋墙面的图片。可选地，上述商品还可以是饰品、发型、眼镜、手表、鞋、宠物饰品、室内家具、室内装潢物品或室外摆件等。

步骤s24，将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

所述使用效果展示图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，例如耳环佩戴在人耳朵上的图片、衣服穿在人身体上的图片以及画框挂在墙面上的图片等。

在本发明实施例中，生成式对抗网络(gan,generativeadversarialnetworks)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。gan模型通过框架中(至少)包含两个模块：生成模型(generativemodel)和判别模型(discriminativemodel)的互相博弈学习产生真实度和精确度高的输出。原始gan理论中，并不要求生成模型和判别模型都是神经网络，只需要是能拟合相应生成和判别的函数即可，但实用中一般均使用深度神经网络作为生成模型和判别模型，可选地，由于需要处理的对象为图像信息，本发明实施例中的生成模型和判别模型可以为卷积神经网络或其他能够进行图像处理的神经网络。

可选的，在步骤s24之后，还可以包括：步骤s26，向用户显示所述使用效果模拟图片。

本实施例中，使用效果模拟图片为商品装配于用户自身预计商品的实际使用场景中的效果模拟图片，例如商品为上衣时该上衣被用户自身穿着的效果模拟图片，或者是商品为装饰画框时该装饰画框挂在用户自己客厅墙面上的效果模拟图片。

用户在网购时期望通过经验、评论获知商品在自身预设的使用环境中的使用效果，因此传统的效果模拟技术直接将商品图片以及用户提供的商品被穿戴或配置的使用环境的图片进行合成，获得使用效果模拟结果，但是上述通过经验、评论进行预测以及合成商品图片和使用环境图片以模拟商品使用效果的方式均存在预测和模拟的真实度低、准确率低的问题。对于图片合成的使用效果模拟技术，用户上传的使用环境图片可能拍摄部位、角度与商品图片中商品放置方式不匹配，同时只通过单一的使用环境图片和商品图片就进行图像合成的使用效果模拟结果中商品穿戴或配置位置常会出现偏差和错位，从而降低了商品使用效果模拟结果的真实性和准确度，使用户无法得到真实、准确商品使用效果预期，严重影响了用户的购物体验。

在本实施例中，基于该问题，通过将商品的使用环境图片、产品图片和使用效果展示图片输入gan模型，通过该gan模型获得参考了其他使用效果展示图片的使用效果模拟图片，从而提高了使用效果模拟图片的真实性和准确性，以缓解现有的虚拟试装方法获得的使用模拟结果存在的真实度低、准确度低的技术问题。

图3是本发明实施例提供的第二种商品使用效果模拟方法的流程图，如图3所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s31，向用户显示所述商品的使用环境示例。

在本实施例中，所述商品的使用环境示例可以为卖家或生产厂商提供的推荐使用环境示例图片，还可以是从其他买家的带图评论中选取的使用环境示例图片。可选地，除了使用环境示例图片，使用环境示例还可以带有用于提示用户进行使用环境图片上传的提示性图片或文字。

步骤s32，接收所述用户上传的所述商品的使用环境图片。

步骤s33，将所述商品的产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s34，向用户显示所述使用效果模拟图片。

在本实施例中，通过向用户显示商品的使用环境示例，以引导用户上传正确拍摄角度、大小适中且符合生成式对抗网络gan模型的输入要求的使用环境图片，既避免了用户上传的使用环境图片不符合要求重复上传从而浪费时间并影响用户的使用体验，又提高了生成式对抗网络gan模型生成的使用效果模拟图片的准确度和真实性。

图4是本发明实施例提供的第三种商品使用效果模拟方法的流程图，如图4所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s41，接收用户上传的使用环境全貌图片。

在本实施例中，使用环境全貌图片为包含用户预设商品的使用环境或配置对象的全景图片，该全景图片应当展示了能够配置商品的各个部分所在的整体环境。例如，在商品的使用环境为用户身体一部分时，例如手、耳朵、头部等，商品的使用环境全貌图片可以是用户的全身图片；在商品的使用环境为房屋的一部分时，例如墙面、墙角、屋顶、地板等，商品的使用环境全貌图片可以是房屋的整体结构图片。

步骤s42，根据所述商品的使用效果展示图片从所述使用环境全景图片中截取展示所述商品的使用位置的第一待定使用环境图片，将所述第一待定使用环境图片作为所述使用环境图片。

在本实施例中，在需要对使用环境全貌图片进行截取选择时，应当选择与商品的使用效果展示图片相似的使用环境全貌图片作为使用环境图片，以使基于使用环境展示图片训练生成的gan模型在根据使用环境图片进行使用效果模拟时获得更加真实、准确的模拟效果。具体地，用户在购买某一商品时，自动获取该商品经常会被穿戴或装配的部位名称，并用该名称调出用户上传的使用环境全景图片并截取该部位图片显示给用户，用户还可以对该部位图片进行适当的剪裁、缩放等微调操作。例如用户在购买帽子时，自动截取用户上传的环境全景图片即全身图片中的头部图片，并对该头部图片发送给用户以进行适当的剪裁、缩放等微调操作。

步骤s43，将所述商品的产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s44，向用户显示所述使用效果模拟图片。

步骤s45，获取所述用户返回的使用效果模拟图片评价。

在本实施例中，因为使用gan模型获得的使用效果模拟可能会由于模型算法、输入数据缺陷而产生失真，为了拒绝失真问题，本实施例通过步骤s45在用户对每次使用商品使用效果模拟方法获得的使用效果模拟图片进行评价，反馈使用效果模拟图是否失真、不符合肉眼直接处信息等评价信息，以使专业人员根据评价信息对gan模型进行精调整从而提高后续使用效果模拟的真实性和准确度并改善用户体验。

在本实施例中，通过在用户上传的使用环境全景图片中截取最适合进行使用效果模拟的一幅部位图片作为使用环境图片，加快了使用环境图片的获取速度，增强了选择出的使用环境图片与gan模型的匹配程度，从而提高了获得的使用效果模拟图片的真实度和精确度。同时避免用户每次进行使用效果模拟时都需要再次上传使用环境图片，减少了用户的操作复杂程度，从而改善了用户体验。

图5是本发明实施例提供的第四种商品使用效果模拟方法的流程图，如图5所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s51，接收用户上传的多幅具体使用环境图片。

在本实施例中，多幅具体使用环境图片可以是包括使用对象整体的不同部位的多张具体使用环境图片。例如，在商品的使用环境为用户身体时，商品的具体使用环境图片可以为用户自己直接上传的躯干图片、腿部图片、手部图片、脚部图片、头部图片、耳部图片等；在商品的使用环境为房屋时，商品的具体使用环境图片可以为用户自己直接上传的房屋的客厅地板图片、客厅各墙面图片、客厅天花板图片、卧室地板图片、卧室各墙面图片、卧室天花板图片等。

步骤s52，根据所述商品的使用效果展示图片从所述具体使用环境图片中确定展示所述商品的使用位置的第一待定使用环境图片，将所述第一待定使用环境图片作为所述使用环境图片。

在本实施例中，从用户上传的多幅具体使用环境图片中选取与商品匹配的对应部分的图片即第一待定使用环境图片作为所述使用环境图片，例如商品为帽子时，从用户上传的头部、耳朵、手部等多幅具体使用环境图片中选取头部图片作为第一待定使用环境图片。

步骤s53，将所述商品的产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s54，向用户显示所述使用效果模拟图片。

在本实施例中，通过在用户上传的多幅具体使用环境图片中选取最适合进行使用效果模拟的一幅作为使用环境图片，由于具体使用环境图片为整体使用环境某部分的特写图片，与商品的匹配程度更高，进一步增强了选择出的使用环境图片与gan模型的匹配程度，从而提高了获得的使用效果模拟图片的真实度和精确度。同时避免用户每次进行使用效果模拟时都需要再次上传使用环境图片，减少了用户的操作复杂程度，从而改善了用户体验。

图6是本发明实施例提供的第五种商品使用效果模拟方法的流程图，如图6所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s61，获取商品的产品图片和使用环境图片。

步骤s62，对所述使用环境图片进行标准化处理，以使所述使用环境图片符合所述gan模型的输入要求。

步骤s63，将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s64，向用户显示所述使用效果模拟图片。

在本发明实施例中，对使用环境图片标准化处理可以包括剪裁、缩放、大小归一化、灰度归一化和亮度归一化等，以使所述使用环境图片更加符合gan模型的输入要求，提高使用效果模拟的真实度和准确度。同时还可以避免在使用环境图片有些许瑕疵但微调后即可满足gan模型的输入要求时指示用户重新上传使用环境图片，从而提高了使用环境图片的获取效率，改善了用户的图片上传体验。

在下述实施例中，将对gan模型的模型建立进行介绍。

图7是本发明实施例提供的第六种商品使用效果模拟方法的流程图，如图7所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s71，获取商品的产品图片和使用环境图片。

步骤s72，获取所述商品的使用效果展示图片，所述使用效果展示图片用于展示所述商品设置在对应使用场景下的使用效果。

在本实施例中，获取的产品图片应当包括多个商品在多个角度和距离的拍摄参数下获得的图片，以提高gan模型的适用性。可选地，获取使用效果展示图片的方式可以为：从商品的买家带图评论中获取使用效果展示图片，进一步地，获取的使用效果展示图片的数量可以有具体预设数量，该预设数量应平衡计算资源、耗时以及gan模型的训练完成度。

步骤s73，基于所述产品图片和所述使用效果展示图片训练获得所述gan模型。

在本发明实施例中，gan模型的具体训练步骤可以为：步骤s631，将所述产品图片和所述使用效果展示图片输入所述生成子模型，获取所述生成子模型生成的待定使用效果模拟图片；步骤s632，通过所述判别子模型判断所述待定使用效果模拟图片是否为真实图片；步骤s633，确定所述待定使用效果模拟图片被所述判别子模型判定为真实图片的概率大于预设阈值，结束训练获得所述gan模型。进一步地，本实施例中的gan模型可以是由单种或多种商品的产品图片和使用环境图片训练获得，可以对单种或多种商品进行商品使用效果模拟。

步骤s74，将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s75，向用户显示所述使用效果模拟图片。

在本发明实施例中，通过使用大量的产品图片和使用效果展示图片对gan模型进行训练，使得gan模型能够基于用户的使用场景图片生成使用效果模拟图片。同时通过抓取其他购物者购买同一商品时的带图品评论中的图片作为使用效果展示图片，避免工作人员或用户自行上传使用效果展示图片，提高了使用效果模拟效率，还通过控制待定使用效果模拟图片被判别子模型判定为真实图片的概率对应的预设阈值，保证了本发明实施例提供的商品使用效果模拟方法获取的使用效果模拟结果的真实度。

图8是本发明实施例提供的第七种商品使用效果模拟方法的流程图，如图8所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s81，获取商品的使用环境图片。

步骤s82，获取所述商品的产品图片和使用效果展示图片，所述使用效果展示图片用于展示所述商品设置在对应使用场景下的使用效果。

步骤s83，将所述产品图片和所述使用效果展示图片输入所述生成子模型，获取所述生成子模型生成的待定使用效果模拟图片。

步骤s84，通过所述判别子模型判断所述待定使用效果模拟图片是否为真实图片。

步骤s85，确定所述待定使用效果模拟图片被所述判别子模型判定为真实图片的概率大于预设阈值，结束训练获得所述gan模型。

步骤s86，将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型。

步骤s87，向用户显示所述使用效果模拟图片。

步骤s88，显示所述使用效果模拟图片以及模拟准确率，所述模拟准确率为所述预设阈值。

本发明实施例中，通过将判别子模型的模拟准确率作为使用效果模拟图片的模拟准确率向用户进行显示，使得用户能够对gan模型的商品使用效果模拟过程进行监控，同时保证用户参考gan模型生成的使用效果模拟图片对商品使用效果的预测有较为准确的预期，避免出现用户认为使用效果模拟图片百分之百准确而对实际商品使用效果不满的情况出现。

图9是本发明实施例提供的第八种商品使用效果模拟方法的流程图，如图9所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s91，获取商品的产品图片和使用环境图片。

步骤s92，将所述产品图片和所述使用环境图片输入2dgan模型，获取所述2dgan模型输出的所述商品的2d使用效果模拟图片，将所述2d使用效果模拟图片作为使用效果模拟图片。

步骤s93，向用户显示所述使用效果模拟图片。

本发明实施例中，由于3d图像处理需要耗费大量的时间和计算资源，在计算资源较为紧张或用户对使用效果模拟图片的反馈速度比较在意时，直接采用2dgan模型进行使用效果模拟，以避免进行3d图像处理消耗大量的计算资源和时间，尽快向用户显示使用效果模拟图片，以提升用户的购物流程性。

图10是本发明实施例提供的第八种商品使用效果模拟方法的流程图，如图10所示，该方法可以由商品使用效果模拟设备或计算机、智能手机、云端服务器等其他处理设备执行，该方法包括如下步骤：

步骤s101，获取商品的产品图片和使用环境图片。

步骤s102，将所述产品图片和所述使用环境图片输入所述2dgan子模型，获取所述2dgan子模型输出的所述商品的2d使用效果模拟图片。

步骤s103，将所述2d使用效果模拟图片输入所述3dgan子模型，获取所述3dgan子模型输出的3d使用效果模拟图片，将所述3d使用效果模拟图片作为所述使用效果模拟图片。

步骤s104，向用户显示所述使用效果模拟图片。

在本发明实施例中，考虑到3d使用效果模拟图片的显示效果更好、能够更加准确、生动地展示商品的在对应的使用场景中的使用效果，在确定用户需要3d使用效果模拟图片、能够接受消耗时长增加的情况下，通过3dgan子模型对2d使用效果模拟图片进行处理后获得3d使用效果模拟图片，从而提高了使用效果模拟图片对商品的使用效果的展示精确程度和生动程度。

本发明实施例还提供了一种商品使用效果模拟装置，该商品使用效果模拟装置主要用于执行本发明实施例上述内容所提供的商品使用效果模拟方法，以下对本发明实施例提供的商品使用效果模拟装置做具体介绍。

图11是本发明实施例提供的一种商品使用效果模拟装置的示意图，如图11所示，该商品使用效果模拟装置200主要包括获取模块201，模拟模块202和显示模块203，其中：

获取模块201，用于获取商品的产品图片和使用环境图片；

模拟模块202，用于将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型；

显示模块203，用于向用户显示所述使用效果模拟图片。

在本发明实施例中，首先，获取商品的产品图片和使用环境图片；然后，将所述产品图片和所述使用环境图片输入生成式对抗网络gan模型，获取所述gan模型输出的所述商品的使用效果模拟图片，其中，所述使用效果模拟图片用于展示所述商品在所述使用环境图片展示的使用环境中的使用效果，所述gan模型为基于所述商品的产品图片和使用效果展示图片进行训练获得的深度神经网络模型；再向用户显示所述使用效果模拟图片。

考虑到现有技术中使用模拟结果真实度低、准确度低的技术问题，在本实施例中，通过结合其他真实的使用效果展示图片，采用gan模型生成用户的使用效果模拟图片的方式，能够提高使用效果模拟图片的真实度和准确度。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本发明的另一个实施例中，还提供了一种商品使用效果模拟设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一方法实施例中所述的方法。

在本发明的另一个实施例中，还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机运行所述计算机程序时执行上述任一方法实施例中所述的方法。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。