1.一种人脸驱动方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在所述目标任务为二维数字人驱动任务的情况下,所述输入数据包括驱动数据和源人脸图像,所述目标人脸图像为目标二维人脸图像,所述基于所述目标任务,利用神经网络模型对所述输入数据进行处理,确定目标人脸图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述驱动数据包括驱动图像,所述基于所述驱动数据,确定人脸的表情参数,包括:
4.根据权利要求2所述的方法,其特征在于,所述驱动数据包括驱动音频,所述基于所述驱动数据,确定人脸的表情参数,包括:
5.根据权利要求1所述的方法,其特征在于,在所述目标任务为三维数字人驱动任务的情况下,所述目标人脸图像为目标三维人脸图像,所述输入数据包括驱动音频,所述基于所述目标任务,利用神经网络模型对所述输入数据进行处理,确定目标人脸图像,包括:
6.根据权利要求1所述的方法,其特征在于,在所述目标任务为三维数字人驱动任务的情况下,所述目标人脸图像为目标三维人脸图像,所述输入数据包括驱动图像,所述基于所述目标任务,利用神经网络模型对所述输入数据进行处理,确定目标人脸图像,包括:
7.根据权利要求1所述的方法,其特征在于,所述神经网络模型包括以下中的一个或多个模块:音频特征提取器、图像特征提取器、音频表情预测器、图像表情预测器、人脸形状预测器、纹理预测器、二维人脸渲染器和三维人脸渲染器;
8.根据权利要求1所述的方法,其特征在于,所述神经网络模型为训练后的神经网络模型,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述根据所述训练视频和所述训练音频,基于所述二维数字人驱动任务和所述三维数字人驱动任务对初始的神经网络模型进行训练,得到训练后的神经网络模型,包括:
10.根据权利要求8所述的方法,其特征在于,所述根据所述训练视频和所述训练音频,基于所述二维数字人驱动任务和所述三维数字人驱动任务对初始的神经网络模型进行训练,得到训练后的神经网络模型,包括:
11.根据权利要求10所述的方法,其特征在于,所述根据所述源人脸图像样本、所述驱动图像样本和所述驱动音频样本,基于所述二维数字人驱动任务和所述三维数字人驱动任务对初始的神经网络模型进行训练,得到所述训练后的神经网络模型,包括:
12.根据权利要求1所述的方法,其特征在于,所述神经网络模型用于在其他关联任务中进行精调训练,以确定精调后的神经网络模型。
13.一种人脸驱动装置,其特征在于,所述装置包括:
14.一种人脸驱动装置,其特征在于,包括:
15.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至12中任意一项所述的方法。