文本信息处理方法、装置、服务器、存储介质及程序产品制造方法及图纸

本公开提供了一种文本信息处理方法、装置、服务器、存储介质及程序产品，可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。所述方法包括：提取样本文字内容特征和样本风格特征；将样本文字内容特征和样本风格特征进行多次特征融合，得到样本级联融合特征，样本级联融合特征为文字内容及风格样式均增强的特征；基于样本文本信息、样本风格图片、样本文字内容特征及样本级联融合特征，训练字体生成模型。本公开将提取的样本文字内容特征和样本风格特征进行多次融合，融合得到的样本级联融合特征中文字内容及风格样式均被增强，基于该样本级联融合特征所训练的字体生成模型精度更高，基于该模型生成的风格迁移图片效果更佳。佳。佳。

【技术实现步骤摘要】
文本信息处理方法、装置、服务器、存储介质及程序产品


[0001]本公开涉及人工智能
，特别涉及一种文本信息处理方法、装置、服务器、存储介质及程序产品。

技术介绍

[0002]在现代社会，信息呈爆炸式增长。面对五花八门、内容繁杂的信息，人们的目光在宣传图片、封面图片等文字图片上停留的时间越来越短。文本信息作为文字图片的关键信息，是文字图片的主要表现手段。通常美观、个性化、潮流化的字体，能够受到更多用户的青睐。为了提升艺术创作的可能性和新鲜度，以吸引人们更多关注，需要对文本信息的字体进行处理。
[0003]相关技术中，获取样本风格图片和样本文字图片，该样本风格图片和样本文字图片中文字的内容相同风格不同；提取样本风格图片和样本文字图片的特征，得到样本风格特征和样本文字内容特征；将样本风格特征和样本文字内容特征进行特征融合，得到融合特征；基于融合特征，训练字体生成模型，得到训练后的字体生成模型，该训练后的字体生成模型用于生成具有任一文字图片的字体风格的风格迁移文字图片。
[0004]然而，相关技术用于训练字体生成模型的样本融合特征包含的信息量较少，无法学习样本风格图片和样本文字图片更多的信息，导致所训练的字体生成模型的精度较低，基于该字体生成模型生成的风格迁移文字图片的效果不佳。

技术实现思路

[0005]本公开实施例提供了一种文本信息处理方法、装置、服务器、存储介质及程序产品，通过提取信息量更为丰富的样本级联融合特征，提高所训练的字体生成模型的精度，使得基于该字体生成模型生成的风格迁移文字图片的效果较佳。所述技术方案如下：
[0006]一方面，提供了一种文本信息处理方法，所述方法包括：
[0007]提取样本文本信息和样本风格图片的特征，得到样本文字内容特征和样本风格特征，所述样本风格图片为样本特效图片或样本文字图片，所述样本文字图片包含除所述样本文本信息以外的其他样本文字信息中的文字；
[0008]将所述样本文字内容特征和所述样本风格特征进行特征融合，得到第一样本融合特征；
[0009]将所述第一样本融合特征与所述样本文字内容特征进行特征融合，得到第二样本融合特征；
[0010]将所述样本风格特征、所述第一样本融合特征及所述第二样本融合特征进行特征融合，得到样本级联融合特征，所述样本级联融合特征为文字内容及风格样式均增强的特征；
[0011]基于所述样本文本信息、所述样本风格图片、所述样本文字内容特征及所述样本级联融合特征，训练字体生成模型，得到训练后的字体生成模型，所述训练后的字体生成模
型用于生成具有任一风格图片的风格样式的风格迁移文字图片。
[0012]另一方面，提供了一种文本信息处理方法，所述方法应用于上述一方面所训练的字体生成模型，所述方法包括：
[0013]获取具有待迁移风格样式的风格图片和待处理文本信息；
[0014]调用所述字体生成模型，对所述风格图片和所述待处理文本信息进行处理，得到风格迁移文字图片。
[0015]另一方面，提供了一种文本信息处理装置，所述装置包括：
[0016]提取模块，用于提取样本文本信息和样本风格图片的特征，得到样本文字内容特征和样本风格特征，所述样本风格图片为样本特效图片或样本文字图片，所述样本文字图片包含除所述样本文本信息以外的其他样本文字信息中文字；
[0017]融合模块，用于将所述样本文字内容特征和所述样本风格特征进行特征融合，得到第一样本融合特征；
[0018]所述融合模块，还用于将所述第一样本融合特征与所述样本文字内容特征进行特征融合，得到第二样本融合特征；
[0019]所述融合模块，还用于将所述样本风格特征、所述第一样本融合特征及所述第二样本融合特征进行特征融合，得到样本级联融合特征，所述样本级联融合特征为文字内容及风格样式均增强的特征；
[0020]训练模块，用于基于所述样本文本信息、所述样本风格图片、所述样本文字内容特征及所述样本级联融合特征，训练字体生成模型，得到训练后的字体生成模型，所述训练后的字体生成模型用于生成具有任一风格图片的风格样式的风格迁移文字图片。
[0021]另一方面，提供了一种文本信息处理装置，所述装置包括：
[0022]获取模块，用于获取具有待迁移风格样式的风格图片和待处理文本信息；
[0023]处理模块，用于调用所述字体生成模型，对所述风格图片和所述待处理文本信息进行处理，得到风格迁移文字图片。
[0024]另一方面，提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如一方面所述的文本信息处理方法。
[0025]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如一方面所述的文本信息处理方法。
[0026]另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序代码，所述计算机程序代码存储在计算机可读存储介质中，服务器的处理器从所述计算机可读存储介质读取所述计算机程序代码，所述处理器执行所述计算机程序代码，使得所述服务器执行如一方面所述的文本信息处理方法。
[0027]本公开实施例提供的技术方案带来的有益效果是：
[0028]本公开实施例中样本风格图片可以为样本特效图片，也可以为包含除样本文本信息以外的其他样本文本信息中文字的样本文字图片，该样本风格图片与待进行字体风格迁移的样本文本信息的文字内容并不相同，使得待进行特征融合的样本风格特征和样本文字内容特征无论在数量上还是信息量上均更为丰富，从而使得模型能够学习到更多字体生成
的知识。在进行特征融合过程中，第一次特征融合得到的第一样本融合特征学习了样本风格图片的风格样式和样本文本信息的文字内容，第二次特征融合得到的第二样本融合特征在第一样本融合特征基础上进一步增强了样本文字内容特征，第三次特征融合得到的样本级联融合特征在第一样本融合特征和第二样本融合特征基础上，进一步增强了样本风格特征。总之经过上述几次特征融合得到的样本级联融合特征中风格样本和文字内容的相关特征均被增强，包含了样本风格图片和样本文本信息中更多的信息，因而基于该样本级联融合特征所训练的字体生成模型精度更高，基于该字体生成模型生成的风格迁移文字图片的效果更佳。
附图说明
[0029]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本公开实施例提供的一种文本信息处理方法所涉及的实施环境的示意图；
[0031]图2是本公开实施例提供的一种字体生成模型中生成器的网络架构图；
[0032]图3是本公开实施例提供的一种字体生成模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本信息处理方法，其特征在于，所述方法包括：提取样本文本信息和样本风格图片的特征，得到样本文字内容特征和样本风格特征，所述样本风格图片为样本特效图片或样本文字图片，所述样本文字图片包含除所述样本文本信息以外的其他样本文本信息中的文字；将所述样本文字内容特征和所述样本风格特征进行特征融合，得到第一样本融合特征；将所述第一样本融合特征与所述样本文字内容特征进行特征融合，得到第二样本融合特征；将所述样本风格特征、所述第一样本融合特征及所述第二样本融合特征进行特征融合，得到样本级联融合特征，所述样本级联融合特征为文字内容及风格样式均增强的特征；基于所述样本文本信息、所述样本风格图片、所述样本文字内容特征及所述样本级联融合特征，训练字体生成模型，得到训练后的字体生成模型，所述训练后的字体生成模型用于生成具有任一风格图片的风格样式的风格迁移文字图片。2.根据权利要求1所述的方法，其特征在于，在所述样本风格图片为样本特效图片的情况下，所述将所述样本文字内容特征和所述样本风格特征进行特征融合，得到第一样本融合特征之前，还包括：提取所述样本特效图片对应的平滑掩版图片的特征，得到掩版内容特征，所述平滑掩版图片为能够突显所述样本特效图片风格的图片；将所述样本风格特征与所述掩版内容特征进行特征融合，得到掩版融合特征；所述将所述样本文字内容特征和所述样本风格特征进行特征融合，得到第一样本融合特征，包括：将所述掩版融合特征、所述样本文字内容特征及所述样本风格特征进行特征融合，得到所述第一样本融合特征。3.根据权利要求2所述的方法，其特征在于，所述提取所述样本特效图片对应的平滑掩版图片的特征，得到掩版内容特征之前，还包括：对所述样本特效图片上用于突显所述样本特效图片风格的目标区域进行分割，得到特效掩版图片；对所述特效掩版图片进行平滑处理，得到所述平滑掩版图片。4.根据权利要求1所述的方法，其特征在于，所述字体生成模型中用于进行特征融合的网络结构包括可变形卷积层，所述方法还包括：将所述样本风格特征作为所述可变形卷积层中卷积核的权重值；基于所述卷积核的权重值对不同特征进行卷积操作，得到相应融合特征。5.根据权利要求4所述的方法，其特征在于，所述基于所述卷积核的权重值对不同特征进行卷积操作，得到相应融合特征，包括：基于所述卷积核的权重值，对所述样本文字内容特征和所述样本风格特征进行卷积操作，得到所述第一样本融合特征；基于所述卷积核的权重值，对所述第一样本融合特征与所述样本文字内容特征进行卷积操作，得到第二样本融合特征；基于所述卷积核的权重值，对所述样本风格特征、所述第一样本融合特征及所述第二
样本融合特征进行卷积操作，得到所述样本级联融合特征。6.根据权利要求1所述的方法，其特征在于，所述基于所述样本文本信息、所述样本风格图片、所述样本文字内容特征及所述样本级联融合特征，训练字体生成模型，得到训练后的字体生成模型，包括：对所述样本级联融合特征进行解码，得到第一风格迁移文字图片；调用所述字体生成模型，对所述样本风格图片和所述第一风格迁移文字图片进行真实性识别，得到第一识别结果和第二识别结果；提取所述第一风格迁移文字图片的文字内容特征，得到迁移文字内容特征；以包含所述样本文本信息中文字的样本文字图片为风格图片，调用所述字体生成模型，对所述样本文本信息和包含所述样本文本信息中文字的样本文字图片进行处理，得到第二风格迁移文字图片；基于包含所述样本文本信息中文字的样本文字图片、所述第二风格迁移文字图片、所述第一识...

【专利技术属性】
技术研发人员：黄晗，吴高，刘威，李志锋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：