【技术实现步骤摘要】
图像生成方法、装置、设备、存储介质及计算机程序产品
[0001]本申请涉及机器学习领域,特别涉及一种图像生成、装置、设备、存储介质及计算机程序产品。
技术介绍
[0002]图像合成用于对不同模态图像之间进行图像转换,不同模态图像指获得图像的方式不同,如:通过X射线(X
‑
RAY)获取的X光图像,和通过核磁共振获取的核磁共振成像磁共振成像(Magnetic Resonance Imaging,MRI)对应为两种不同模态图像,或者,不同模态图像是指图像的风格不同。
[0003]相关技术中,通常采用训练生成式对抗网络(Generative Adversarial Networks,GAN)的方式得到图像生成模型,用于生成不同模态的图像。在训练过程中,通过样本图像和参考图像对GAN网络进行训练,其中,样本图像和参考图像是预先确定的具有匹配关系的样本图像组。
[0004]然而在上述方法中,通过获取具有匹配关系的样本图像组对GAN网络进行训练的方式,由于用于训练的样本需要具有匹配关系,导致样本图像组的获取方式会存在难度较大的问题,同时在实际应用过程中,不同模态图像之间差异性较大,导致GAN网络的输出结果准确度较低,模型性能表现较差。
技术实现思路
[0005]本申请实施例提供了一种图像生成方法、装置、设备、存储介质及计算机程序产品,能够提高生成的目标三维图像的准确度。所述技术方案如下:
[0006]一方面,提供了一种图像生成方法,所述方法包括:
[0007]获取第 ...
【技术保护点】
【技术特征摘要】
1.一种图像生成方法,其特征在于,所述方法包括:获取第一模态图像,所述第一模态图像对应第一模态;通过第一候选网络对所述第一模态图像进行模态转换,得到第一生成图像,所述第一生成图像对应第二模态,且所述第一生成图像是三维图像,所述第一模态与所述第二模态是不同的模态;通过第二候选网络对所述第一生成图像进行模态还原,得到第一还原图像,所述第一还原图像对应所述第一模态;基于所述第一生成图像和所述第一还原图像,获取约束损失值,所述约束损失值用于指示所述第一候选网络将所述第一模态图像映射至三维图像空间时的映射损失;基于所述约束损失值对所述第一候选网络进行训练,得到图像转换网络,所述图像转换网络用于对属于所述第一模态的图像进行模态转换,得到属于所述第二模态的三维图像。2.根据权利要求1所述的方法,其特征在于,所述约束损失值中包括维度转换损失值;所述基于所述第一生成图像和所述第一还原图像,获取约束损失值,包括:获取第二模态图像,所述第二模态图像为预先提供的第二模态的图像;基于所述第一生成图像和所述第二模态图像的图像特征分布差异,以及,基于所述第一模态图像和所述第一还原图像的图像特征分布差异,获取所述维度转换损失值,所述维度转换损失值用于指示所述第一候选网络通过所述三维图像空间进行图像维度转换时产生的损失。3.根据权利要求2所述的方法,其特征在于,所述基于所述第一生成图像和所述第二模态图像的图像特征分布差异,以及,基于所述第一模态图像和所述第一还原图像的图像特征分布差异,获取所述维度转换损失值,包括:基于所述第二模态图像和所述第一生成图像之间的所述图像特征分布差异,确定判别损失;基于所述第一模态图像和所述第一还原图像之间的所述图像特征分布差异,确定生成损失;将所述生成损失和所述判别损失作为所述维度转换损失值。4.根据权利要求3所述的方法,其特征在于,所述第一候选网络中包括判别生成网络架构中的判别器;所述基于所述第二模态图像和所述第一生成图像之间的所述图像特征分布差异,确定判别损失,包括:将所述第二模态图像输入所述判别器,输出得到参考预测结果,所述参考预测结果用于指示所述第二模态图像作为参考图像的概率;将所述第一生成图像输入所述判别器,输出得到匹配预测结果,所述匹配预测结果用于指示所述第一生成图像和所述第二模态图像对应的匹配关系;基于所述参考预测结果和所述匹配预测结果,确定所述判别损失。5.根据权利要求3所述的方法,其特征在于,所述基于所述第一模态图像和所述第一还原图像之间的所述图像特征分布差异,确定生成损失,包括:确定所述第一模态图像对应的第一特征表示;
确定所述第一还原图像对应的第二特征表示;基于所述第一特征表示与所述第二特征表示之间的特征表示距离,确定所述生成损失。6.根据权利要求5所述的方法,其特征在于,所述第一候选网络中包括生成式对抗网络架构中的生成器;所述通过第一候选网络对所述第一模态图像进行模态转换,得到第一生成图像,包括:将所述第一模态图像输入所述生成器,输出得到所述第一生成图像。7.根据权利要求1至6任一所述的方法,其特征在于,所述约束损失值中包括域约束损失值;所述基于所述第一生成图像和所述第一还原图像,获取约束损失值,包括:获取所述第一模态图像在所述三维图像空间的第一特征分布;获取所述第一生成图像在所述三...
【专利技术属性】
技术研发人员:黄雅雯,郑冶枫,
申请(专利权)人:腾讯医疗健康深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。