[發(fā)明專利]生成風格化圖像的方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210067042.1
• 申請日: 2022-01-20
• 公開（公告）號: CN114429418A
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計）人: 周財進;李文越
• 申請（專利權(quán)）人: 北京字跳網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/62;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京遠智匯知識產(chǎn)權(quán)代理有限公司 11659
• 代理人: 魯艷萍

1.一種生成風格化圖像的方法，其特征在于，包括：

獲取面部圖像生成模型的待遷移模型參數(shù)，以基于所述待遷移模型參數(shù)構(gòu)建第一待訓練樣本生成模型，以及第二待訓練樣本生成模型；

基于第一風格類型的訓練樣本對所述第一待訓練樣本生成模型進行訓練，得到第一目標樣本生成模型；

基于第二風格類型的訓練樣本對所述第二待訓練樣本生成模型進行訓練，得到第二目標樣本生成模型；

基于所述第一目標樣本生成模型和所述第二目標樣本生成模型的待擬合模型參數(shù)，確定目標風格數(shù)據(jù)生成模型，以基于所述目標風格生成模型生成融合所述第一風格類型和所述第二風格類型的風格化圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取面部圖像生成模型的待遷移模型參數(shù)之前，還包括：

獲取多個基礎(chǔ)訓練樣本；其中，每個基礎(chǔ)訓練樣本為包括目標主體面部信息相對應(yīng)的高斯噪聲；

基于待訓練圖像生成器對所述高斯噪聲進行處理，生成待判別圖像；

基于判別器對所述待判別圖像和采集的真實面部圖像判別處理，確定基準損失值；

基于所述基準損失值對待訓練圖像生成模型中的模型參數(shù)進行修正；

將所述待訓練圖像生成器中的損失函數(shù)收斂作為訓練目標，得到所述面部圖像生成模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于第一風格類型的訓練樣本對所述第一待訓練樣本生成模型進行訓練，得到第一目標樣本生成模型，包括：

獲取第一風格類型下的多個訓練樣本；其中，每個訓練樣本中包括第一風格類型下的第一面部圖像；

將與所述第一面部圖像相對應(yīng)的高斯噪聲輸入至所述第一待訓練樣本生成模型中，得到第一實際輸出圖像；

基于判別器對所述第一實際輸出圖像和相應(yīng)的第一面部圖像進行判別處理，確定損失值，以基于所述損失值對所述第一待訓練樣本生成模型中的模型參數(shù)進行修正；

將所述第一待訓練圖像生成模型中的損失函數(shù)收斂作為訓練目標，得到所述第一目標樣本生成模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于第二風格類型的訓練樣本對所述第二待訓練樣本生成模型進行訓練，得到第二目標樣本生成模型，包括：

獲取第二風格類型下的多個訓練樣本；其中，每個訓練樣本中包括第二風格類型下的第二面部圖像；

將與所述第二面部圖像相對應(yīng)的高斯噪聲輸入至所述第二待訓練樣本生成模型中，得到第二實際輸出圖像；

基于判別器對所述第二實際輸出圖像和相應(yīng)的第二面部圖像進行判別處理，確定損失值，以基于所述損失值對所述第二待訓練樣本生成模型中的模型參數(shù)進行修正；

將所述第二待訓練圖像生成模型中的損失函數(shù)收斂作為訓練目標，得到所述第二目標樣本生成模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一目標樣本生成模型和所述第二目標樣本生成模型的待擬合模型參數(shù)，確定目標風格數(shù)據(jù)生成模型，包括：

獲取預(yù)先設(shè)置的擬合參數(shù)；

基于所述擬合參數(shù)對所述第一目標樣本生成模型和所述第二目標樣本生成模型中的待擬合模型參數(shù)進行擬合處理，得到目標模型參數(shù)；

基于所述目標模型參數(shù)，確定目標風格數(shù)據(jù)生成模型。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在得到所述目標風格數(shù)據(jù)生成模型之后，還包括：

將高斯噪聲輸入至所述目標風格數(shù)據(jù)生成模型中，得到融合所述第一風格類型和所述第二風格類型的待修正風格化圖像；

通過對所述待修正風格化圖像修正處理，確定目標風格圖像，并將所述目標風格圖像作為目標訓練樣本，以基于所述目標訓練樣本對所述目標風格數(shù)據(jù)生成模型中的模型參數(shù)進行修正，得到更新后的所述目標風格數(shù)據(jù)生成模型。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在得到所述目標訓練樣本之后，還包括：

將高斯噪聲輸入至所述目標風格數(shù)據(jù)生成模型中，輸出待修正風格化圖像；

基于判別器對所述待修正風格化圖像和目標風格圖像進行處理，確定損失值；

基于所述損失值對所述目標風格數(shù)據(jù)生成模型中的模型參數(shù)進行修正，得到更新后的目標風格數(shù)據(jù)生成模型。