图像生成模型的训练方法技术

本申请提出了一种图像生成模型的训练方法及装置

【技术实现步骤摘要】
图像生成模型的训练方法、图像生成方法及装置


[0001]本申请涉及计算机
，具体而言，涉及一种图像生成模型的训练方法
、
图像生成方法及装置
、
电子设备和介质
。

技术介绍

[0002]相关技术中，为了获得较好的服装产品图案，我们需要设计师进行图案设计，或者从第三方购买图案，然后进行抽样测试
。
然而，这两种方式的成本都很高
。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的图案设计成本较高的问题
。
[0004]有鉴于此，本申请的第一方面的技术方案提供了一种图像生成模型的训练方法，包括：
[0005]根据样本图像的特征信息，生成所述样本图像的数据序列，其中，所述特征信息包括所述样本图像的前景图像信息和后景图像信息；
[0006]将所述样本图像的评价信息以及数据序列输入初始图像生成模型进行训练，以得到所述图像生成模型
。
[0007]可选地，所述根据样本图像的特征信息，生成所述样本图像的数据序列，包括：
[0008]将所述样本图像的特征信息输入数据序列生成模型中，以得到所述数据序列生成模型输出的
、
所述样本图像的数据序列
。
[0009]可选地，所述样本图像的前景图像信息包括以下中的至少一者：
[0010]所述样本图像前景的图案
、
所述样本图像前景相对于所述样本图像后景的偏移信息
、
所述样本图像前景的比例信息；
[0011]所述样本图像的后景图像信息包括以下中的至少一者：
[0012]所述样本图像后景的图案
、
所述样本图图像后景的颜色
。
[0013]可选地，所述样本图像的前景信息还包括以下中的至少一者：
[0014]所述样本图像前景相对于所述样本图像后景的旋转角度
、
所述样本图像前景的透明度
、
所述样本图像前景中的图像元素的排列方向
。
[0015]可选地，所述将所述样本图像的所述数据序列输入初始图像生成模型进行训练，以得到所述图像生成模型，包括：
[0016]计算所述初始图像生成模型的训练损失，所述训练损失包括第一权重的数据序列训练损失和第二权重的分类训练损失；
[0017]根据所述训练损失对所述初始图像生成模型的超参数进行调整
。
[0018]可选地，所述初始图像生成模型的超参数包括学习率和权重衰减
。
[0019]本申请第二方面的技术方案提供了一种图像生成方法，包括：
[0020]获取用户的图像偏好信息；
[0021]将所述图像偏好信息输入图像生成模型，以得到所述图像生成模型输出的目标图
像，其中，所述图像生成模型为通过本申请第一方面所提供的方法训练得到的
。
[0022]可选地，所述图像偏好信息包括以下中的至少一者：
[0023]颜色偏好信息
、
图形偏好信息以及偏好图片
。
[0024]本申请第三方面的技术方案提供了一种图像生成模型的训练装置，包括：
[0025]生成模块，被配置为根据样本图像的特征信息，生成所述样本图像的数据序列，其中，所述特征信息包括所述样本图像的前景图像信息和后景图像信息；
[0026]训练模块，被配置为将所述样本图像的评价信息以及数据序列输入初始图像生成模型进行训练，以得到所述图像生成模型
。
[0027]可选地，所述生成模块具体被配置为：将所述样本图像的特征信息输入数据序列生成模型中，以得到所述数据序列生成模型输出的
、
所述样本图像的数据序列
。
[0028]可选地，所述训练模块包括：
[0029]第一训练子模块，被配置为计算所述初始图像生成模型的训练损失，所述训练损失包括第一权重的数据序列训练损失和第二权重的分类训练损失；
[0030]第二训练子模块，被配置为根据所述训练损失对所述初始图像生成模型的超参数进行调整
。
[0031]本申请第四方面的技术方案提供了一种图像生成装置，包括：
[0032]获取模块，被配置为获取用户的图像偏好信息；
[0033]确定模块，被配置为将所述图像偏好信息输入图像生成模型，以得到所述图像生成模型输出的目标图像，其中，所述图像生成模型为本申请第一方面所提供的方法训练得到的
。
[0034]本申请第五方面提供了一种电子设备，包括：
[0035]存储器，其上存储有计算机程序；
[0036]处理器，用于执行所述存储器中的所述计算机程序，以实现本申请第一方面的技术方案所提供的方法
、
或本申请第二方面的技术方案所提供的方法
。
[0037]本申请还提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请第一方面的技术方案所提供的方法
、
或本申请第二方面的技术方案所提供的方法
。
[0038]本申请还提供了一种计算机程序，该程序被处理器执行时实现本申请第一方面的技术方案所提供的方法
、
或本申请第二方面的技术方案所提供的方法
。
[0039]通过上述技术方案，可以通过样本图像的数据序列对会初始图像生成模型进行训练，以能得到用于生成图像的图像生成模型
。
这样，可以降低图案设计的成本，同时选择范围更广泛
。
[0040]本申请的附加方面和优点将在下面的描述部分中变得明显，或通过本申请的实践了解到
。
附图说明
[0041]图1是根据本申请的一个实施例图像生成模型的训练方法的流程图；
[0042]图2是根据本申请的一个实施例图像生成方法的流程图；
[0043]图3是根据本申请的一个实施例图像生成模型训练装置的框图；
[0044]图4是根据本申请的一个实施例图像生成装置的框图；
[0045]图5是根据本申请的一个实施例电子设备的框图；
[0046]图6是根据本申请的另一实施例电子设备的框图；
[0047]图7是根据本申请的又一个实施例电子设备的框图
。
具体实施方式
[0048]为了可以更清楚地理解本申请的上述目的
、
特征和优点，下面结合附图和具体实施方式对本申请进行进一步的详细描述
。
需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合
。
[0049]在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是，本申请还可以采用其他不同于在此描述的其他方式来实施，因此，本申请的保护范围并不受下面公开的具体实施例的限制
。
[0050]下面参照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像生成模型的训练方法，其特征在于，包括：根据样本图像的特征信息，生成所述样本图像的数据序列，其中，所述特征信息包括所述样本图像的前景图像信息和后景图像信息；将所述样本图像的评价信息以及数据序列输入初始图像生成模型进行训练，以得到所述图像生成模型
。2.
根据权利要求1所述的方法，其特征在于，所述根据样本图像的特征信息，生成所述样本图像的数据序列，包括：将所述样本图像的特征信息输入数据序列生成模型中，以得到所述数据序列生成模型输出的
、
所述样本图像的数据序列
。3.
根据权利要求1所述的方法，其特征在于，所述样本图像的前景图像信息包括以下中的至少一者：所述样本图像前景的图案
、
所述样本图像前景相对于所述样本图像后景的偏移信息
、
所述样本图像前景的比例信息；所述样本图像的后景图像信息包括以下中的至少一者：所述样本图像后景的图案
、
所述样本图图像后景的颜色
。4.
根据权利要求3所述的方法，其特征在于，所述样本图像的前景信息还包括以下中的至少一者：所述样本图像前景相对于所述样本图像后景的旋转角度
、
所述样本图像前景的透明度
、
所述样本图像前景中的图像元素的排列方向
。5.
根据权利要求1至4中任一项所述的方法，其特征在于，所述将所述样本图像的所述数据序列输入初始图像生成模型进行训练，以得到所述图像生成模型，包括：计算所述初始图像生成模型的训练损失，所述训练损失包括第一权重的数据序列训练损失和第二权重的分类训练损失；根据所述训练损失对所述初始图像生成模型的超参数进行调整
。6.
根据权利要求5所述的方法，其特征在于，所述初始图像生成模型的超参数包括学习率和权重衰减<...

【专利技术属性】
技术研发人员：谈金华，
申请(专利权)人：上海闪印网络科技有限公司，
类型：发明
国别省市：