买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利基于风格迁移约束的弱监督三维人头重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115908719B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211671469.9，技术领域涉及：G06T17/00；该发明授权基于风格迁移约束的弱监督三维人头重建方法是由徐岗;王茂宇;顾人舒;高飞设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于风格迁移约束的弱监督三维人头重建方法在说明书摘要公布了：本发明公开了一种单张图片中进行三维人头重建方法。本发明包括：风格迁移模型，用于为三维人头重建模型提供高维监督；三维人头重建模型，用于从输入人脸照片中提取人脸特征并估计一组FLAME模型参数。最终FLAME模型参数被解码为三维人头网格模型。本发明可以从单张照片中有效估计人头的形状和表情，很好的提升了人脸表情和轮廓的建模精度，最终通过解码FLAME参数重建出来的人头模型可以用于三维建模、数字人、人脸识别等用途。

本发明授权基于风格迁移约束的弱监督三维人头重建方法在权利要求书中公布了：1.基于风格迁移约束的弱监督三维人头重建方法，其特征在于，包括以下步骤： S1：获取不带标签的人脸图片数据集，其中表示数据集中图片的数量，表示数据集中第张人脸图片，将每张图片根据人脸的landmark检测结果进行预处理； S2：从开源数据集获取人脸照片并由艺术家手工绘制对应的铅笔画风格人脸照片，最终得到成对的人脸-铅笔画风格照片数据集，其中表示数据集中图片的数量，，分别表示数据集中第张人脸图片和其对应的铅笔画风格图片，并对人脸照片和铅笔画风格照片进行预处理； S3:构建铅笔画风格迁移深度学习模型，将S2中预处理得到的风格迁移训练数据输入网络，使用有监督学习方法，使网络模型学习将人脸照片转换为铅笔画风格的人头图片； S4：构建3D人头重建深度学习模型，将S1中预处理得到的人脸图片训练数据输入3D人头重建网络，估计FLAME模型参数和纹理潜在编码；FLAME参数使用FLAME模型解码为人头网格，纹理潜在编码通过学习的解码网络解码为纹理图； S5：利用预定义的UV和可微分渲染器将人头网格和纹理图结合并渲染在输入图片上，得到渲染后的人脸图片；并使用2D关键点损失，原图和渲染图在面部的像素距离，原图和渲染图分别输入风格迁移网络计算铅笔画风格特征损失监督人头重建网络和纹理重建网格的学习； S51:利用预定义的UV将纹理与人头网格模型结合，将纹理图，人头网格模型和其他环境参数输入pytorch3d渲染器中进行渲染，得到一张人头的纹理图；纹理图与原图经由mash掩码进行逐像素乘积运算后，分别提取出脸部，计算逐像素L1距离作为损失函数； S52:重建后人头网格通过一个关键点回归模块计算人头的3D关键点，并在通过相机参数在2D相机平面上投影得到2D关键点，以输入图像的landmark预测结果作为groundtrue计算landmark损失； S53:将渲染后的人头图片和输入的原图分别经过mask掩码提取出脸部，然后分别输入S3中训练好的铅笔画风格迁移模型，输入得到渲染-铅笔画人头图片和原图-铅笔画人头图片；再次使用掩码提取人头部分后计算逐像素乘积，并计算逐像素L1距离作为风格迁移损失； S6：使用训练好的网络模型进行3D人头重建，输入需要重建的人面部照片，输出3D人头网格模型和纹理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。