[發明專利]圖像生成方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011320171.4
• 申請日: 2020-11-23
• 公開（公告）號: CN112614197A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 孟云龍
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/08;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

本申請涉及一種圖像生成方法、裝置、計算機設備和存儲介質。方法包括：獲取目標語料信息，對所述目標語料信息進行擴增處理得到至少兩個擴增語料信息；將至少兩個所述擴增語料信息分別輸入至預先訓練的對抗網絡中，以根據所述對抗網絡模型中預先確定的模型參數對各所述擴增語料信息進行處理得到至少兩個內容模態不同的目標圖像，所述對抗網絡是基于預設的調控函數確定的差異指標訓練生成。采用本方法能夠提高生成的目標圖像的多樣性。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種圖像生成方法、裝置、計算機設備和存儲介質。

背景技術

隨著大數據技術的發展，在應用大數據技術時，會需要大批量數據，以進行后續的數據應用。例如，在有些場景下需要獲取文字語料對應的多個圖像數據。

在傳統方式中，根據一個文字語料只能得到一個圖像數據，存在輸出的圖像數據較為單一，缺乏多樣性。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高圖像生成多樣性的圖像生成方法、裝置、計算機設備和存儲介質。

一種圖像生成方法，方法包括：

獲取目標語料信息，對目標語料信息進行擴增處理得到至少兩個擴增語料信息；

將至少兩個擴增語料信息分別輸入至預先訓練的對抗網絡中，以根據對抗網絡模型中預先確定的模型參數對各擴增語料信息進行處理得到至少兩個內容模態不同的目標圖像，對抗網絡是基于預設的調控函數確定的差異指標訓練生成。

在一個實施例中，對目標語料信息進行擴增處理得到至少兩個擴增語料信息，包括：

從分布序列中讀取的至少兩個不相等的向量作為潛向量，潛向量的數量與目標圖像的數量一致，目標圖像的數量至少為兩個，分布序列的積分值為預設值；

將各潛向量與目標語料信息進行拼接處理，得到每一個目標語料信息對應的擴增語料信息。

在一個實施例中，將至少兩個擴增語料信息分別輸入至預先訓練的對抗網絡中，以根據對抗網絡模型中預先確定的模型參數對各擴增語料信息進行處理得到至少兩個內容模態不同的目標圖像，對抗網絡是基于預設的調控函數確定的差異指標訓練生成，包括：

將訓練擴增語料信息分別輸入模式增廣條件生成的對抗網絡中，輸出對應各擴增語料信息分別對應的目標圖像，多個目標圖像的內容模態不同，模式增廣條件生成的對抗網絡是基于預設的調控函數確定的差異指標訓練生成，預設的調控函數是根據各不同內容模態的目標圖像以及對應各不同內容模態的目標圖像的潛向量確定的。

在一個實施例中，對抗網絡的訓練方式，包括：

獲取訓練語料信息，基于模式增廣條件對訓練語料信息進行擴增處理得到訓練擴增語料信息；

將訓練擴增語料信息輸入至對抗網絡中，以根據對抗網絡的當前訓練參數對各訓練擴增語料信息進行處理得到每一個訓練擴增語料信息對應的訓練圖像；

基于預設的調控函數確定不同的訓練圖像之間的差異值；

根據差異值確定不同的訓練圖像之間的差異指標，將差異指標最大時對應的當前訓練參數作為目標訓練參數，并根據目標訓練參數得到訓練好的對抗網絡。

在一個實施例中，基于預設的調控函數確定不同的訓練圖像之間的差異值，包括：

根據訓練圖像之間的差值確定第一差值；

根據訓練圖像對應的潛向量之間的差值確定第二差值；

根據第一差值與第二差值的相對值確定訓練圖像之間的差異值。

在一個實施例中，對抗網絡模型的訓練方式包括：