本技术涉及计算机视觉技术领域，公开了一种人体与姿态变换图像生成方法及装置，包括以下步骤:利用编码器分别将源人体图像、目标人体图像、源姿态图像与目标姿态图像压缩到张量空间形成源人体张量、目标人体张量、源姿态张量与目标姿态张量；张量依次通过‘W’型迁移网络中若干功能模块，每个功能模块包含信息引入模块、权重图模块、张量对齐模块与注意力模块；利用训练好的两个‘W’网络，分别预测目标人体张量与目标姿态张量，再分别通过解码器得到预测的目标人体图像与目标姿态图像。本发明将同时完成人体与姿态变换任务，保证了生成的目标图像具有高质量纹理特征。

本文公开了一种掌部图像的识别方法、装置、设备、存储介质及程序产品，属于计算机技术领域。该方法包括:获取同一掌部图像的彩色图像和红外图像；将彩色图像和红外图像进行对齐处理，得到彩色图像和红外图像之间的对齐关系；对红外图像进行区域识别处理，确定红外图像上的第一掌部区域；基于彩色图像和红外图像之间的对齐关系，在彩色图像上确定与第一掌部区域相对应的第二掌部区域；对红外图像的第一掌部区域和彩色图像的第二掌部区域进行掌部对比识别处理，确定掌部图像对应的目标对象标识。通过上述方法，可辅助彩色图像快速确定掌部区域，使得掌部图像的识别方法可以适应于复杂环境，提高了掌部识别的准确性。

本技术实施例提供了一种图像处理方法、装置及计算机可读存储介质，其中方法包括:获取目标图像，检测对应用的图像编辑界面中的该目标图像和/或管理组件的编辑操作，该管理组件包括封面区域管理组件和头像区域管理组件，并根据该编辑操作从目标图像中确定出作为封面的第一图像区域和作为头像的第二图像区域，从而针对用户提交的一张图像同时进行封面和头像裁剪，可以有效简化设置封面和头像时的操作，并且具备较强的灵活性，可以充分满足用户的个性化设置需求。

本文涉及一种手掌轮廓提取方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取目标手掌图像中各个手掌骨骼点分别对应的骨骼点位置和骨骼点类型；基于骨骼点类型对各个手掌骨骼点进行匹配，得到多个手掌骨骼点集合；手掌骨骼点集合存在对应的几何处理类型；基于手掌骨骼点集合中各个骨骼点对应的骨骼点位置，生成与手掌骨骼点集合对应的几何处理类型匹配的手掌轮廓辅助线；基于同一手掌骨骼点集合对应的参考步长和骨骼点位置，从手掌骨骼点集合对应的手掌轮廓辅助线上确定手掌轮廓点，得到手掌轮廓点对应的轮廓点位置；基于各个轮廓点位置生成目标手掌图像对应的手掌轮廓。采用本方法能提高手掌轮廓的提取准确性。

本文提供一种图像检测模型训练方法、计算机装置及存储介质，其中，所述方法包括:获得初始训练样本；获得标记后的初始训练样本；训练神经网络获得初始模型；对初始模型进行至少一次迭代更新，直至获得达到预设要求的图像检测模型，其中，所述至少一次迭代更新中的任意一次迭代更新包括：上一次迭代更新后的模型自动标记新增训练样本；训练神经网络获得当前更新的模型；对当前更新的模型进行量化评价；确定当前更新的模型是否达到预设要求；若当前更新的模型尚未达到预设要求，进行下一次迭代更新；或若当前更新的模型达到预设要求，将达到预设要求的当前更新的模型作为图像检测模型。本申请可提高样本标记的效率，进而提升模型训练效率。

本文提供了一种图像处理方法、装置及设备、介质、产品；该方法包括:获取第一前景图像、第一背景图像和第一文本，第一前景图像中包含第一目标对象，第一文本用于指示在第一背景图像中嵌入第一目标对象；基于第一背景图像的低频信号特征和随机噪声图像的高频信号特征生成第一组合特征；将第一组合特征和第一文本的第一文本特征输入图像生成模型中进行图像生成处理得到合成图像；图像生成模型包括基于第一前景图像构建的第一旁路网络。本申请支持第一背景图像的有限背景适应性改变以及第一目标对象的联合微调，能够保证合成图像的背景区域与第一目标对象达成一致性效果，提升图像合成质量。

本文公开了一种地图渲染方法、装置、设备和介质，所述方法，本申请实施例提出的地图渲染方法，通过从地图数据中获取用于构造导流区的车道轮廓线，确定导流区的区域范围，以确定出需要进行导流区线渲染的空间区域，然后对导流区的区域范围进行图像渲染，使得最终显示的地图数据中具有与实际道路相符的导流区线，从而实现在不增加地图采集数据量和难度的情况下，有效提高地图数据的真实性，提高用户的体验。本方案应用的领域包括但不限于地图、导航、智慧交通、智慧出行、自动驾驶等领域。

本文涉及计算机技术领域，提供一种图像生成方法及相关装置，用以生成图像质量，其中，该方法包括:首先，基于图像描述文本，分别提取出三类图像属性各自对应的文本特征，并利用噪声图像，初始化生成三类图像属性各自对应的初始特征；其次，利用三类图像属性各自对应的文本特征，分别对三类图像属性各自对应的初始特征进行特征提取，获得三类图像属性各自对应的中间特征，通过特征提取，提取出与图像描述文本相关的特征，达到去噪的效果；最后，基于三类图像属性各自对应的中间特征进行特征重构，来生成目标图像，从而减少各类图像属性的信息损失，提高生成图像的准确率。

本技术实施例公开了一种动画生成方法、装置、终端和存储介质；本发明实施例可获取游戏角色模型的角色骨骼，以及角色骨骼对应的角色动画，角色骨骼中包括连结子骨骼，连结子骨骼与角色动画中的连结子骨骼动画对应；在游戏角色模型的角色骨骼上构建游戏物件模型的物件骨骼链，物件骨骼链包括位于物件骨骼链最前端的链首节段，链首节段挂载在连结子骨骼上；基于连结子骨骼动画，构建链首节段对应的链首节段动画；基于链首节段动画，生成物件骨骼链对应的物件动画；在游戏角色模型执行角色动画时，游戏物件模型执行物件动画。本发明实施例可通过游戏角色模型的连接子骨骼动画自动地构建游戏物件模型的物件动画。由此，本方案可提升动画制作的效率。

本文提出了一种基于卷积神经网络的轻量化图像超分辨率重建方法和装置，包括:获取待重建图像；将待重建图像输入到预训练好的超分生成网络，输出得到对应的超分辨率图像；超分生成网络包括多个卷积层、DTS层、Resize层和输出层，多个卷积层用于对待重建图像进行特征提取，得到特征图像的深度信息；DTS层用于通过通道转平面操作将特征图像的深度信息转换为平面信息，生成第一放大图像；Resize层使用最邻近插值得到，用于对待重建图像进行放大，生成第二放大图像；输出层用于对第一放大图像和第二放大图像进行融合相加，映射得到超分辨率图像。本申请的超分生成网络基于轻量化卷积神经网络搭建，既保证了图像的超分质量，同时降低了网络的参数量和复杂度。