[發明專利]圖像生成模型的訓練方法、圖像生成方法、裝置及設備

在審

• 申請號: 202210807010.0
• 申請日: 2022-07-07
• 公開（公告）號: CN115205103A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 趙思杰;宋奕兵
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T7/00;G06V10/44;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 賈允

1.一種圖像生成模型的訓練方法，其特征在于，包括：

獲取樣本自然圖像和樣本風格化圖像；

將所述樣本自然圖像輸入至第一待訓練生成器進行風格化生成處理，得到生成風格化圖像，并將所述生成風格化圖像輸入至第二待訓練生成器進行自然生成處理，得到重建自然圖像；

將所述樣本風格化圖像輸入至所述第二待訓練生成器進行自然生成處理，得到生成自然圖像，并將所述生成自然圖像輸入至所述第一待訓練生成器進行風格化生成處理，得到重建風格化圖像；

根據所述樣本自然圖像、所述生成風格化圖像、所述重建自然圖像、所述樣本風格化圖像、所述生成自然圖像、所述重建風格化圖像，構建目標損失函數；

基于所述目標損失函數對所述第一待訓練生成器和所述第二待訓練生成器進行訓練，直至滿足第一預設訓練結束條件結束訓練；

其中，訓練結束時的第一待訓練生成器作為所述圖像生成模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述樣本自然圖像、所述生成風格化圖像、所述重建自然圖像、所述樣本風格化圖像、所述生成自然圖像、所述重建風格化圖像，構建目標損失函數，包括：

將所述樣本自然圖像、所述生成風格化圖像和所述重建自然圖像分別輸入至邊緣提取器進行邊緣特征提取處理，得到所述樣本自然圖像對應的第一邊緣特征、所述生成風格化圖像對應的第二邊緣特征、所述重建自然圖像對應的第三邊緣特征；所述邊緣提取器的參數在整個訓練過程中保持不變；

根據所述第一邊緣特征、所述第二邊緣特征和所述第三邊緣特征，構建第一損失函數；

根據所述樣本風格化圖像和所述重建風格化圖像的差值信息，構建第二損失函數；

根據所述第一損失函數和所述第二損失函數，構建所述目標損失函數。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一邊緣特征、所述第二邊緣特征和所述第三邊緣特征，構建第一損失函數，包括：

根據所述第一邊緣特征和所述第二邊緣特征的差值，確定第一子損失值；

根據所述第一邊緣特征和所述第三邊緣特征的差值，確定第二子損失值；

根據所述第一子損失值和所述第二子損失值的和值，確定所述第一損失函數。

4.根據權利要求2所述的方法，其特征在于，所述根據所述第一損失函數和所述第二損失函數，構建所述目標損失函數，包括：

將所述生成風格化圖像和所述樣本風格化圖像輸入至第一鑒別器，得到所述生成風格化圖像對應的第一鑒別值和所述樣本風格化圖像對應的第二鑒別值；

根據所述生成風格化圖像對應的第一標注值和所述第一鑒別值的差值以及所述樣本風格化圖像對應的第二標注值和所述第二鑒別值的差值的和值，確定第三損失函數；

將所述生成自然圖像和所述樣本自然圖像輸入至第二鑒別器，得到所述生成自然圖像對應的第三鑒別值和所述樣本自然圖像對應的第四鑒別值；

根據所述生成自然圖像對應的所述第一標注值和所述第三鑒別值的差值以及所述樣本自然圖像對應的所述第二標注值和所述第四鑒別值的差值的和值，確定第四損失函數；

根據所述第一損失函數、所述第二損失函數、所述第三損失函數和所述第四損失函數，構建所述目標損失函數。