本申请公开了一种图像生成系统训练方法，至少包括以如下训练方法获得的图像生成模型：获取多组样本对，每组样本对包括特征描述信息和对应所述特征描述信息的目标图像；将所述目标图像以预定压缩方式，压缩为目标压缩图像；利用所述特征描述信息和所述目标压缩图像，对待训练图像生成模型进行训练，以得到目标图像生成模型；根据所述特征描述信息提取的特征描述数据作为所述待训练图像生成模型的训练输入数据，所述目标压缩图像作为训练结果的监督数据。本申请同时提供图像生成方法，系统。本申请所训练的图像生成系统，能够通过提供多种类别的特征描述信息获得图像，该图像生成系统中的图像生成模型生成压缩状态的图像，所需要算力明显降低。力明显降低。力明显降低。
【技术实现步骤摘要】
图像生成系统训练方法、图像生成方法以及图像生成系统
[0001]本申请涉及人工智能，具体涉及图像生成系统训练方法，本申请还提供一种图像生成方法，以及一种图像生成系统。本申请同时提供一种图像生成系统训练装置，一种图像生成装置，以及相应的电子设备、存储介质。
技术介绍
[0002]为了进行各种宣传活动，通常需要准备各种资料，其中图像资料常常需要很长时间的准备；尤其是各种商业宣传领域，期望获得符合特定宣传目的所要求的图像，但是现成的图像往往难以获得。
[0003]现有通常技术下，已经存在一些根据文字信息生成相关图像的技术方案，这些技术方案主要利用文字描述的内容，并根据文字内容表达的含义进行图像生成。
[0004]上述通常技术下的技术方案存在严重的缺陷，最主要的问题是，需要较大的计算能力，造成生成图像的过程耗时比较长；并且，只能根据文本信息获得图像，功能单一，不能满足灵活多样的图像生成要求。
技术实现思路
[0005]本申请提供一种图像生成系统训练方法，其所训练的图像生成系统，能够针对多种形式的特征描述信息，生成相应特征的图像，并且，计算量显著小于现有通常技术的图像生成系统。本申请还提供相应的图像生成方法以及图像生成系统；相应的，本申请还提供一种图像生成系统训练装置，一种图像生成装置，以及相应的电子设备，以及存储介质。
[0006]本申请实施例提供的图像生成系统训练方法，所述图像生成系统至少包括以如下训练方法获得的图像生成模型：
[0007]获取多组样本对，每组样本对包括特征描述信息和对应所述特征描述信息的目标图像；
[0008]将所述目标图像以预定压缩方式，压缩为目标压缩图像；
[0009]利用所述特征描述信息和所述目标压缩图像，对待训练图像生成模型进行训练，以得到目标图像生成模型；其中，根据所述特征描述信息提取的特征描述数据作为所述待训练图像生成模型的训练输入数据，所述目标压缩图像作为训练结果的监督数据。
[0010]可选地，所述目标压缩图像作为训练结果的监督数据，包括采用如下方式对所述训练结果进行监督：
[0011]对所述图像生成模型生成的结果压缩图像以与所述预定压缩方式对应的解压缩方式进行解压缩，生成结果目标图像；
[0012]使用所述结果目标图像与所述目标图像进行比对，获得监督结果。
[0013]可选地，所述图像生成系统包括经过预训练的特征提取模型；所述利用所述特征描述信息和所述目标压缩图像，对待训练图像生成模型进行训练，以得到目标图像生成模型的步骤，包括：
[0014]根据所述特征描述信息的类别，选择对应类别的特征提取模型；
[0015]使用所选择类别的所述特征提取模型，对所述特征描述信息进行特征数据提取，获得特征描述数据；
[0016]将所述特征描述数据作为待训练图像生成模型的训练输入数据。
[0017]可选地，所述特征提取模型包括如下类型中的至少一种：
[0018]针对文本类别的特征描述信息的文本特征提取模型；
[0019]针对图像类型的特征描述信息的图像特征提取模型。
[0020]可选地，所述特征提取模型所提取的特征描述数据为一维矢量数据。
[0021]可选地，所述特征描述信息为图像信息时，包括以下类型的图像信息：去色图像、部分区域擦除图像、加入噪声的图像。
[0022]可选地，所述图像生成系统包括图像超分模型，所述图像超分模型采用如下方式训练获得：
[0023]获取多组样本对，每组样本对包括低分辨率图像和对应所述低分辨率图像的高分辨率目标图像；
[0024]利用所述低分辨率图像和对应所述低分辨率图像的高分辨率目标图像，对待训练图像超分模型进行训练，得到目标图像超分模型。
[0025]可选地，所述图像生成模型、以及所述图像超分模型，采用扩散模型。
[0026]本申请实施例提供一种图像生成方法，包括：
[0027]获取待处理的对图像特征进行描述的特征描述信息；
[0028]利用图像生成模型，对所述特征描述信息进行处理，生成目标压缩图像；
[0029]根据所述目标压缩图像，以预定的解压缩方式进行解压缩，获得目标图像。
[0030]可选地，所述对所述特征描述信息进行处理的步骤之前，包括如下步骤：
[0031]确定所述特征描述信息的类别；
[0032]根据所述类别，选择对应该类别的经过预训练的特征提取模型；
[0033]采用所选择的所述特征提取模型，对所述特征描述信息进行特征数据提取，获得特征描述数据；
[0034]以所述特征描述数据作为所述图像生成模型的直接输入。
[0035]可选地，所述特征提取模型包括如下类型中的至少一种：
[0036]针对文本类别的特征描述信息的文本特征提取模型；
[0037]针对图像类型的特征描述信息的图像特征提取模型。
[0038]可选地，所述获取待处理的对图像特征进行描述的特征描述信息，包括：
[0039]获取待处理图像；
[0040]对所述待处理图像以如下至少一种处理方式进行处理，获得处理后图像：去色，擦除部分内容，加入噪声信息；
[0041]将所述处理后图像作为所述待处理的对图像特征进行描述的特征描述信息。
[0042]本申请实施例提供一种图像生成方法，包括：
[0043]获取低分辨率图像；
[0044]针对所述低分辨率图像，提取所述低分辨率图像的图像特征数据；
[0045]将所述低分辨率图像的图像特征数据提供给图像超分模型，得到具有高分辨率的
高分辨率目标图像；
[0046]所述图像超分模型采用如下训练方式获得：获取多组样本对，每组样本对包括低分辨率图像和对应所述低分辨率图像的高分辨率目标图像；
[0047]采用预训练的图像特征提取模型，提取所述低分辨率图像的图像特征数据；
[0048]使用所述低分辨率图像的图像特征数据以及对应所述低分辨率图像的高分辨率目标图像，对待训练图像超分模型进行训练，得到目标图像超分模型。
[0049]本申请实施例提供一种图像生成系统，其特征在于，至少包括特征提取模型，图像生成模型，图像压缩
‑
解压缩模型；
[0050]所述特征提取模型用于接收针对图像的特征描述信息，并根据所述特征描述信息提取特征描述数据；
[0051]所述图像生成模型，用于根据所述特征描述数据，生成目标压缩图像；
[0052]所述图像压缩
‑
解压缩模型，用于根据所述目标压缩图像，以预定的解压缩方式将所述目标压缩图像解压缩，获得目标图像。
[0053]可选地，图像生成系统还包括：图像超分模型；
[0054]所述图像超分模型，用于接收从低分辨率图像所获得的特征描述数据，并根据所述特征描述数据生成高分辨率图像。
[0055]本申请实施例提供一种图像生成系统本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像生成系统训练方法，其特征在于，所述图像生成系统至少包括以如下训练方法获得的图像生成模型：获取多组样本对，每组样本对包括特征描述信息和对应所述特征描述信息的目标图像；将所述目标图像以预定压缩方式，压缩为目标压缩图像；利用所述特征描述信息和所述目标压缩图像，对待训练图像生成模型进行训练，以得到目标图像生成模型；其中，根据所述特征描述信息提取的特征描述数据作为所述待训练图像生成模型的训练输入数据，所述目标压缩图像作为训练结果的监督数据。2.根据权利要求1所述的图像生成系统的训练方法，其特征在于，所述目标压缩图像作为训练结果的监督数据，包括采用如下方式对所述训练结果进行监督：对所述图像生成模型生成的结果压缩图像以与所述预定压缩方式对应的解压缩方式进行解压缩，生成结果目标图像；使用所述结果目标图像与所述目标图像进行比对，获得监督结果。3.根据权利要求1或2所述的方法，其特征在于，所述图像生成系统包括经过预训练的特征提取模型；所述利用所述特征描述信息和所述目标压缩图像，对待训练图像生成模型进行训练，以得到目标图像生成模型的步骤，包括：根据所述特征描述信息的类别，选择对应类别的特征提取模型；使用所选择类别的所述特征提取模型，对所述特征描述信息进行特征数据提取，获得特征描述数据；将所述特征描述数据作为待训练图像生成模型的训练输入数据。4.根据权利要求3所述的方法，其特征在于，所述特征提取模型包括如下类型中的至少一种：针对文本类别的特征描述信息的文本特征提取模型；针对图像类型的特征描述信息的图像特征提取模型。5.根据权利要求1或2所述的方法，其特征在于，所述特征描述信息为图像信息时，包括以下类型的图像信息：去色图像、部分区域擦除图像、加入噪声的图像。6.根据权利要求1或者6所述的方法，其特征在于，所述图像生成模型采用扩散模型。7.一种图像生成方法，其特征在于，包括：获取待处理的对图像特征进行描述的特征描述信息；利用图像生成模型，对所述特征描述信息进行处理，生成目标压缩图像；根据所述目标压缩图像，以预定的解压缩方式进行解压缩，获得目标图像。8.根据权利要求7所述的图像生成方法，其特征在于，所述对所述特征描述信息进行处理的步骤之前，包括如下步骤：确定所述特征描述信息的类别；根据所述类别，...
【专利技术属性】
技术研发人员：黄梁华，刘宇，王彬，赵德丽，周靖人，
申请(专利权)人：阿里巴巴中国有限公司，
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。