一种文字生成方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种文字生成方法、装置、存储介质及电子设备，本说明书实施例通过预先训练的文字生成模型，分别提取原始文字图像中文字的结构特征和指定文字图像中文字的效果特征。然后，将结构特征与效果特征进行融合，生成指定文字效果的文字图像。在此方法中，分别提取具有指定文字效果的文字图像中的效果特征和指定文字的结构特征后，将该效果特征与该结构特征相融合，可以避免生成的文字图像中文字样式不确定的问题。其中，文字样式包括文字结构和文字效果。

【技术实现步骤摘要】
一种文字生成方法、装置、存储介质及电子设备
本说明书涉及计算机
，尤其涉及一种文字生成方法、装置、存储介质及电子设备。
技术介绍
如今，随着技术的发展，文字的应用越来越多。而针对不同应用范围，对文字样式的要求也不尽相同。因此，生成多样性的文字就显得十分重要。现有技术中，将原始文字图像与指定文字样式的文字图像输入生成式对抗网络(GenerativeAdversarialNetworks，GAN)后，对GAN进行训练，然后，利用训练完成的GAN生成所需的文字图像。然而，由于GAN的训练过程不稳定，导致训练完成的GAN生成的文字图像中的文字样式不确定。
技术实现思路
本说明书实施例提供一种文字生成方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。本说明书实施例采用下述技术方案：本说明书提供的一种文字生成方法，包括：获取原始文字图像及指定文字图像；将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征；并，将所述指定文字图像输入所述文字生成模型中的第二子模型，通过所述第二子模型，提取所述指定文字图像中文字的效果特征；将所述结构特征与所述效果特征输入所述文字生成模型中的第三子模型，通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像。可选地，所述文字生成模型为编解码模型结构。可选地，所述第一子模型包括：结构特征编码器；r>通过所述第一子模型，提取所述原始文字图像中文字的结构特征，具体包括：通过所述结构特征编码器，对所述原始文字图像中文字进行结构特征提取，得到所述原始文字图像中文字的结构特征图。可选地，所述第二子模型包括：效果特征编码器；通过所述第二子模型，提取所述指定文字图像中文字的效果特征，具体包括：通过所述效果特征编码器，对所述指定文字图像中文字进行效果特征提取，得到所述指定文字图像中文字的效果特征值。可选地，所述第三子模型包括：解码器；通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像，具体包括：通过所述解码器，将所述结构特征图与所述效果特征值进行融合，生成指定文字效果的文字图像。可选地，预先训练文字生成模型，具体包括：获取原始样本文字图像及指定样本文字图像；通过所述第一子模型，提取所述原始样本文字图像中文字的结构特征，作为待优化结构特征；并，通过所述第二子模型，提取所述指定样本文字图像中文字的效果特征，作为待优化效果特征；根据所述待优化结构特征与所述待优化效果特征，通过所述第三子模型，生成待优化文字图像；将所述待优化文字图像输入所述第一子模型，得到所述待优化文字图像中文字的结构特征，作为比对结构特征；并，将所述待优化文字图像输入所述第二子模型，得到所述待优化文字图像中文字的效果特征，作为比对效果特征；以所述比对结构特征与所述待优化结构特征的差异最小化及所述比对效果特征与所述待优化效果特征的差异最小化为训练目标，对待训练的文字生成模型进行训练。可选地，所述结构特征包括：文字的字型特征和文字的字体特征中的至少一种；所述效果特征包括：颜色、阴影和亮度中的至少一种。本说明书提供的一种文字生成装置，包括：获取模块，用于获取原始文字图像及指定文字图像；结构特征提取模块，用于将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征；效果特征提取模块，用于将所述指定文字图像输入所述文字生成模型中的第二子模型，通过所述第二子模型，提取所述指定文字图像中文字的效果特征；文字生成模块，用于将所述结构特征与所述效果特征输入所述文字生成模型中的第三子模型，通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像。本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的文字生成方法。本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的文字生成方法。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本说明书实施例通过预先训练的文字生成模型，分别提取原始文字图像中文字的结构特征和指定文字图像中文字的效果特征。然后，将结构特征与效果特征进行融合，生成指定文字效果的文字图像。在此方法中，分别提取具有指定文字效果的文字图像中的效果特征和指定文字的结构特征后，将该效果特征与该结构特征相融合，可以避免生成的文字图像中文字样式不确定的问题。其中，文字样式包括文字结构和文字效果。附图说明此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：图1为本说明书实施例提供的文字生成流程示意图；图2为本说明书实施例提供的文字生成的结构示意图；图3a～3c为本说明书实施例提供的指定文字效果生成的示意图；图4为本说明书实施例提供的文字生成装置结构示意图；图5为本说明书实施例提供的电子设备的结构示意图。具体实施方式本说明书提供的文字生成方法旨在将文字图像中文字的结构特征与效果特征进行分离，再根据实际要求将所需的结构特征与所需的效果特征进行融合，得到所需的文字图像。为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。以下结合附图，详细说明本说明书各实施例提供的技术方案。图1为本说明书实施例提供的文字生成流程示意图，包括：S100：获取原始文字图像及指定文字图像。在本说明书实施例中，原始文字图像是指需要对文字进行效果变换的文字图像，指定文字图像是指具有指定文字效果的文字图像。文字图像中的文字包括文字结构和文字效果。其中，文字结构包括：字型和字体。文字效果包括：颜色、阴影、亮度等特征。S102：将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征。在本说明书实施例中，需要先对文字生成模型进行训练，训练完成的文字生成模型可以生成指定文字效果的文字图像。其中，文字生成模型是编解码模型结构，包括：第一子模型、第二子模型和第三子模型。第一子模型和第二子模型为编码器，第三子模型为解码器。具体的，第一子模型包括结构特征编本文档来自技高网...

【技术保护点】
1.一种文字生成方法，其特征在于，包括：/n获取原始文字图像及指定文字图像；/n将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征；并，将所述指定文字图像输入所述文字生成模型中的第二子模型，通过所述第二子模型，提取所述指定文字图像中文字的效果特征；/n将所述结构特征与所述效果特征输入所述文字生成模型中的第三子模型，通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像。/n

【技术特征摘要】
1.一种文字生成方法，其特征在于，包括：
获取原始文字图像及指定文字图像；
将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征；并，将所述指定文字图像输入所述文字生成模型中的第二子模型，通过所述第二子模型，提取所述指定文字图像中文字的效果特征；
将所述结构特征与所述效果特征输入所述文字生成模型中的第三子模型，通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像。


2.如权利要求1所述的方法，其特征在于，所述文字生成模型为编解码模型结构。


3.如权利要求2所述的方法，其特征在于，所述第一子模型包括：结构特征编码器；
通过所述第一子模型，提取所述原始文字图像中文字的结构特征，具体包括：
通过所述结构特征编码器，对所述原始文字图像中文字进行结构特征提取，得到所述原始文字图像中文字的结构特征图。


4.如权利要求3所述的方法，其特征在于，所述第二子模型包括：效果特征编码器；
通过所述第二子模型，提取所述指定文字图像中文字的效果特征，具体包括：
通过所述效果特征编码器，对所述指定文字图像中文字进行效果特征提取，得到所述指定文字图像中文字的效果特征值。


5.如权利要求4所述的方法，其特征在于，所述第三子模型包括：解码器；
通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像，具体包括：
通过所述解码器，将所述结构特征图与所述效果特征值进行融合，生成指定文字效果的文字图像。


6.如权利要求1～5任一所述的方法，其特征在于，预先训练文字生成模型，具体包括：
获取原始样本文字图像及指定样本文字图像；
通过所述第一子模型，提取所述原始样本文字图像中文字的结构特征，...

【专利技术属性】
技术研发人员：周高景，刘曦，姜仟艺，周永生，张睿，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11