(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211365530.7 (22)申请日 2022.11.03 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518000 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 徐东　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 赵静 (51)Int.Cl. G06T 5/50(2006.01) G06T 3/00(2006.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 贴图处理方法和装置、 存 储介质及电子设备 (57)摘要 本申请公开了一种贴图处理方法和装置、 存 储介质及电子设备。 其中， 该方法包括： 获取待处 理的初始贴图， 其中， 初始贴图是目标应用需要 加载的贴图， 根据初始贴图生 成不同尺度的多个 特征图像， 其中， 多个特征图像中每个特征图像 保留了不同尺度的高频信息， 对多个特征图像进 行融合， 生成目标贴图， 在目标性能参数满足预 设条件的情况下， 将初始贴图替换为目标贴图， 其中， 目标性能参数用于表示目标应用加载目标 贴图时所产生的资源开销， 本申请可以应用于包 括但不限于智能游戏领域等， 实现对游戏资源贴 图进行的基于人工智能的处理。 本申请解决了相 关技术中贴图加载时， 资源开销过大， 浪费硬件 资源的技 术问题。 权利要求书3页 说明书21页 附图8页 CN 115409755 A 2022.11.29 CN 115409755 A 1.一种贴图处 理方法， 其特 征在于， 包括： 获取待处 理的初始贴图， 其中， 所述初始贴图是目标应用需要加载的贴图； 根据所述初始贴图生成不同尺度的多个特征图像， 其中， 所述多个特征图像中每个特 征图像保留了不同尺度的高频信息； 对所述多个特征图像进行融合， 生成目标贴图， 其中， 所述目标贴图的分辨率与所述初 始贴图的分辨 率相同； 在目标性能参数满足预设条件的情况下， 将初始贴图替换为所述目标贴图， 其中， 所述 目标性能参数用于表示所述目标应用加载 所述目标贴图时所产生的资源开销。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述初始贴图生成不同尺度的多 个特征图像， 包括： 对所述初始贴图执 行特征提取操作， 得到初始特 征图像； 将所述初始特征图像输入预训练的目标生成网络， 生成不同尺度的多个特征图像， 其 中， 所述目标生成网络是对待训练的初始生成网络进行训练得到的网络， 所述目标生成网 络包括所述不同尺度对应的多个目标生成子网络， 每个所述目标生成子网络中的目标生成 器的数量 不同， 所述目标生成器用于根据输入的特 征图像， 输出提升 了分辨率的特征图像。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述初始特征图像输入预训练的目 标生成网络， 生成不同尺度的多个特 征图像， 包括： 将所述初始特征图像输入预训练的第 一目标生成子网络， 得到第一特征图像， 其中， 所 述第一目标生成子网络包括一个所述目标生成器， 所述第一特征图像分辨率大于所述初始 特征图像； 将所述初始特征图像输入预训练的第 二目标生成子网络， 得到第二特征图像， 其中， 所 述第二目标生成子网络包括多个所述 目标生成器， 所述多个目标生成器串联设置， 所述第 二特征图像的分辨 率大于所述第一特 征图像的分辨 率。 4.根据权利要求3所述的方法， 其特 征在于， 所述将所述初始特征图像输入预训练的第一目标生成子网络， 得到第一特征图像， 包 括： 将所述初始特征图像输入第一目标生成器， 得到所述第一特征图像， 其中， 所述第一目 标生成子网络包括所述第一目标生成器； 将所述初始特征图像输入预训练的第 二目标生成子网络， 得到第二特征图像， 包括： 对 所述第一特征图像执行上采样操作， 得到第一采样图像； 将所述初始特征图像输入所述第 一目标生成器， 得到所述第一特征图像； 将所述第一特征图像输入第二目标生成器， 得到第 一中间特征图像； 融合所述第一采样图像和所述第一中间特征图像， 得到所述第二特征图 像， 其中， 所述第二目标生成子网络包括所述第一目标生成器和所述第二目标生成器。 5.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 通过如下方式将所述初始特征图像输入预训练的第 三目标生成子网络， 得到第四特征 图像， 其中， 所述第三 目标生成子网络包括第一目标生成器、 第二目标生成器、 第三目标生 成器以及第四目标生成器： 对所述第二特 征图像执 行上采样操作， 得到第二采样图像； 将所述初始特 征图像输入所述第一目标生成器， 得到所述第一特 征图像； 将所述第一特 征图像输入第二目标生成器， 得到第一中间特 征图像；权　利　要　求　书 1/3 页 2 CN 115409755 A 2将所述第一中间特 征图像输入第三目标生成器， 得到第二中间特 征图像； 将所述第 二采样图像和所述第 二中间特征图像 融合， 得到第 三特征图像， 其中， 所述第 三特征图像的分辨 率大于所述第二特 征图像的分辨 率； 对所述第三特 征图像执 行上采样操作， 得到第三采样图像； 将所述第二中间特 征图像输入第四目标生成器， 得到第三中间特 征图像； 将所述第 三采样图像和所述第 三中间特征图像 融合， 得到所述第四特征图像， 其中， 所 述第四特 征图像的分辨 率大于所述第三特 征图像的分辨 率。 6.根据权利要求1所述的方法， 其特征在于， 所述对所述多个特征图像进行融合， 生成 目标贴图， 包括： 对所述多个特征图像进行分类， 并根据分类结果确定所述多个特征图像中各个特征图 像中各个 像素点的目标融合系数； 根据所述目标融合系数聚合所述多个特征图像， 得到重建贴图， 其中， 所述重建贴图的 分辨率大于所述初始贴图； 对所述重建 贴图执行下采样操作， 得到所述目标贴图。 7.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 将初始样本贴图输入初始生成网络， 生成目标样本贴图， 其中， 所述初始生成网络包括 不同层级对应的多个初始生成子网络， 每个所述初始生成子网络包括至少一个初始 生成器 和初始判别器， 不同层级对应的所述初始生成子网络中对应的初始生成器的数量不同， 每 个所述初始 生成器用于根据输入的样本特征图像输出分辨度更高的样本特征图像， 位于目 标层级的所述初始判别器用于确定所述目标层级中最终输出的样本特征图像中各个像素 的分类结果， 所述分类结果用于确定所述各个像素 的样本融合系 数， 所述样本融合系 数用 于融合各个所述初始生 成子网络生成的样本特征图像中相同像素点， 以生成所述目标样本 贴图； 其中， 所述各个初始生成子网络分别进行独立训练， 在所述各个初始生成子网络均训 练完成的情况 下， 得到所述目标生成网络 。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 通过如下 方式训练各个所述初始生成子网络： 对初始样本贴图执 行所述特征提取操作， 得到第一样本特 征图像； 对所述第一样本特 征图像执 行卷积操作， 得到第二样本特 征图像； 将所述第 二样本特征图像输入至少一个残差密集块， 确定至少一个残差密集度， 其中， 所述残差密集度是 所述初始生成子网络的损失函数； 在所述残差密集度满足预设损失条件的情况 下， 生成所述目标生成子网络 。 9.根据权利要求8所述的方法， 其特征在于， 所述将所述第 二样本特征图像输入至少一 个残差密集 块， 确定至少一个残差密集度， 包括： 确定所述第二样本特 征图像中各个 像素与周围像素的能量聚集 程度； 根据各个 像素对应的所述能量聚集 程度确定所述各个 像素需要 进行调节的权 重值； 根据所述各个 像素对应的权 重值确定所述残差密集度。 10.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括以下至少之一： 获取第一性能参数， 其中， 所述第一性能参数用于表示所述目标应用加载所述初始贴权　利　要　求　书 2/3 页 3 CN 115409755 A 3