[發(fā)明專利]美感圖生成模型的訓(xùn)練方法、裝置、介質(zhì)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202210001642.8
• 申請日: 2022-01-04
• 公開（公告）號: CN114463199A
• 公開（公告）日: 2022-05-10
• 發(fā)明（設(shè)計）人: 王樹棟;許盛輝;潘照明
• 申請（專利權(quán)）人: 網(wǎng)易傳媒科技（北京）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/764;G06V10/82;G06K9/62;G06N3/08
• 代理公司: 北京博思佳知識產(chǎn)權(quán)代理有限公司 11415
• 代理人: 申亞輝

本公開的實施方式提供了一種美感圖生成模型的訓(xùn)練方法、裝置、介質(zhì)及設(shè)備。使用美感度判別模型與清晰度判別模型來監(jiān)督美感圖生成模型的訓(xùn)練過程，其中，美感度判別模型用于判別圖片的明暗維度上的美感度差異，清晰度判別模型用于判別圖片的清晰度差異。

技術(shù)領(lǐng)域

本公開的實施方式涉及信息技術(shù)領(lǐng)域，更具體地，本公開的實施方式涉及一種美感圖生成模型的訓(xùn)練方法、裝置、介質(zhì)及設(shè)備。

背景技術(shù)

美感圖是基于原圖進行美化調(diào)整之后得到圖片，美感圖相比于原圖而言更加符合一般人的審美。

基于此，需要一種能夠有效生成美感圖的技術(shù)方案。

發(fā)明內(nèi)容

在本上下文中，本公開的實施方式期望提供一種美感圖生成模型的訓(xùn)練方法、裝置、介質(zhì)及設(shè)備，以便生成比較清晰的美感圖。

在本公開實施方式的第一方面中，提供一種美感圖生成模型的訓(xùn)練方法，包括：

將原圖輸入待訓(xùn)練的美感圖生成模型，輸出第一圖片；

分別將第一圖片與在原圖的基礎(chǔ)上進行美感增強后得到的第二圖片輸入美感度判別模型，并確定第一圖片與第二圖片之間的美感度判別差距；

將第一圖集合輸入美感圖生成模型，輸出第二圖集合；第一圖集合包括模糊化的原圖和/或模糊化的第二圖片；

將第一圖集合和第二圖集合分別輸入清晰度判別模型，并確定第一圖集合與第二圖集合之間的清晰度判別差距；

以減小美感度判別差距與清晰度判別差距為訓(xùn)練目標(biāo)，訓(xùn)練美感圖生成模型。

在一些實施例中，還包括：

分別將原圖與第一圖片輸入圖片內(nèi)容分類模型，獲取圖片內(nèi)容分類模型中的特征提取網(wǎng)絡(luò)輸出的內(nèi)容特征；

所述訓(xùn)練目標(biāo)還包括：減小原圖對應(yīng)的內(nèi)容特征與第一圖片對應(yīng)的內(nèi)容特征之間的差距。

在一些實施例中，還包括：

將第二圖片輸入美感圖生成模型，輸出第三圖片；

確定第二圖片的像素值矩陣與第三圖片的像素值矩陣；

所述訓(xùn)練目標(biāo)還包括：減小第二圖片的像素值矩陣的絕對值與第三圖片的像素值矩陣的絕對值之間的差距。

在一些實施例中，還包括：

在訓(xùn)練美感圖生成模型之前，將第一圖片標(biāo)記為不具有美感，將第二圖片標(biāo)記為具有美感，訓(xùn)練美感度判別模型。

在一些實施例中，還包括：

暫停訓(xùn)練美感圖生成模型，繼續(xù)訓(xùn)練美感度判別模型，之后基于繼續(xù)訓(xùn)練后的美感度判別模型，繼續(xù)訓(xùn)練美感圖生成模型。

在一些實施例中，還包括：

在訓(xùn)練美感圖生成模型之前，將第一圖集合標(biāo)記為清晰，將模糊化的第一圖集合標(biāo)記為不清晰，訓(xùn)練清晰度判別模型。

在一些實施例中，還包括：

暫停訓(xùn)練美感圖生成模型，繼續(xù)訓(xùn)練清晰度判別模型，之后基于繼續(xù)訓(xùn)練后的清晰度判別模型，繼續(xù)訓(xùn)練美感圖生成模型。

在一些實施例中，通過如下方式將圖片輸入到清晰度判別模型：

確定圖片的高頻信息區(qū)域，該高頻信息區(qū)域為圖片中灰度值變化幅度大于指定幅度的區(qū)域；

將圖片的高頻信息區(qū)域?qū)?yīng)的圖像輸入到清晰度判別模型。

在本公開實施方式的第二方面中，提供一種美感圖生成方法，包括：

獲取待美化的目標(biāo)圖片；