本说明书实施例提供图像生成方法以及人脸图像生成方法，其中所述图像生成方法包括：获取目标对象的生成提示信息；将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于预设风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；从多个原始图像中筛选出参考图像；根据参考图像和多个候选图像，生成目标对象对应的目标图像。由于预训练生成模型是基于目标对象的多个原始图像训练得到的，使得生成的候选图像更加符合对象需求，并且，根据参考图像和多个候选图像生成目标图像，实现了在目标图像生成过程中融入原始的参考图像作为约束，进一步提高了目标图像的真实性。
【技术实现步骤摘要】
本说明书实施例涉及计算机，特别涉及图像生成方法。本说明书一个或者多个实施例同时涉及人脸图像生成方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序。
技术介绍
1、随着计算机技术的发展，图像处理技术应用到了越来越多的领域，比如，人脸生成技术广泛应用于电子证件、门禁考勤等诸多领域，通过人脸生成可以满足用户足不出户生成理想图像的需求，因此，人脸生成逐渐成为研究重点。
2、目前，通常利用抠图技术从用户照片中裁剪得到用户人脸，进一步将用户人脸拼接到预先设置的模板图像上得到最终的图像。然而，简单地将人脸图像与模板图像进行拼接，并不能达到人们的直观视觉需求，存在生成的图像容易失真的问题，因此，亟需一种真实性高的图像生成方案。
技术实现思路
1、有鉴于此，本说明书实施例提供了图像生成方法。本说明书一个或者多个实施例同时涉及人脸图像生成方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
2、根据本说明书实施例的第一方面，提供了一种图像生成方法，包括：
3、获取目标对象的生成提示信息；
4、将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于预设风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；
5、从多个原始图像中筛选出参考图像；
6、根据参考图像和多个候选图像，生成目标对象对应的目标图像。
<
p>7、根据本说明书实施例的第二方面，提供了一种人脸图像生成方法，包括：8、获取目标对象的生成提示信息；
9、将生成提示信息输入人脸图像生成模型，获得多个候选人脸图像，其中，人脸图像生成模型基于指定风格模型和预训练人脸生成模型融合得到，预训练人脸生成模型基于目标对象的多个原始人脸图像和各原始人脸图像的图像标签训练得到；
10、从多个原始人脸图像中筛选出参考人脸图像；
11、根据参考人脸图像和多个候选人脸图像，生成目标对象对应的目标人脸图像。
12、根据本说明书实施例的第三方面，提供了一种图像生成方法，应用于云侧设备，包括：
13、接收端侧设备发送的目标对象的生成提示信息；
14、将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于指定风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；
15、从多个原始图像中筛选出参考图像；
16、根据参考图像和多个候选图像，生成目标对象对应的目标图像，并将目标图像发送至端侧设备。
17、根据本说明书实施例的第四方面，提供了一种图像生成装置，包括：
18、第一获取模块，被配置为获取目标对象的生成提示信息；
19、第一输入模块，被配置为将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于预设风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；
20、第一筛选模块，被配置为从多个原始图像中筛选出参考图像；
21、第一生成模块，被配置为根据参考图像和多个候选图像，生成目标对象对应的目标图像。
22、根据本说明书实施例的第五方面，提供了一种人脸图像生成装置，包括：
23、第二获取模块，被配置为获取目标对象的生成提示信息；
24、第二输入模块，被配置为将生成提示信息输入人脸图像生成模型，获得多个候选人脸图像，其中，人脸图像生成模型基于指定风格模型和预训练人脸生成模型融合得到，预训练人脸生成模型基于目标对象的多个原始人脸图像和各原始人脸图像的图像标签训练得到；
25、第二筛选模块，被配置为从多个原始人脸图像中筛选出参考人脸图像；
26、第二生成模块，被配置为根据参考人脸图像和多个候选人脸图像，生成目标对象对应的目标人脸图像。
27、根据本说明书实施例的第六方面，提供了一种图像生成装置，应用于云侧设备，包括：
28、接收模块，被配置为接收端侧设备发送的目标对象的生成提示信息；
29、第三输入模块，被配置为将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于指定风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；
30、第三筛选模块，被配置为从多个原始图像中筛选出参考图像；
31、第三生成模块，被配置为根据参考图像和多个候选图像，生成目标对象对应的目标图像，并将目标图像发送至端侧设备。
32、根据本说明书实施例的第七方面，提供了一种计算设备，包括：
33、存储器和处理器；
34、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述第一方面或者第二方面或者第三方面所提供方法的步骤。
35、根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述第一方面或者第二方面或者第三方面所提供方法的步骤。
36、根据本说明书实施例的第九方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述第一方面或者第二方面或者第三方面所提供方法的步骤。
37、本说明书一个实施例提供的图像生成方法，获取目标对象的生成提示信息；将生成提示信息输入图像生成模型，获得多个候选图像，其中，图像生成模型基于预设风格模型和预训练生成模型融合得到，预训练生成模型基于目标对象的多个原始图像和各原始图像的图像标签训练得到；从多个原始图像中筛选出参考图像；根据参考图像和多个候选图像，生成目标对象对应的目标图像。由于预训练生成模型是基于目标对象的多个原始图像训练得到的，因此，将生成提示信息输入图像生成模型可以更加准确地生成符合目标对象需求的候选图像，并且，获得候选图像之后，根据参考图像和多个候选图像生成目标图像，实现了在目标图像生成过程中融入原始的参考图像作为约束，进一步提高了目标图像的真实性。
本文档来自技高网...
【技术保护点】
1.一种图像生成方法，包括：
2.根据权利要求1所述的方法，所述根据所述参考图像和所述多个候选图像，生成所述目标对象对应的目标图像，包括：
3.根据权利要求2所述的方法，所述分别确定各候选图像与所述参考图像之间的相似度之前，还包括：
4.根据权利要求3所述的方法，所述根据所述参考图像对所述多个候选图像进行矫正，获得矫正后的多个候选图像，包括：
5.根据权利要求1所述的方法，所述将所述生成提示信息输入图像生成模型，获得多个候选图像之前，还包括：
6.根据权利要求1所述的方法，所述将所述生成提示信息输入图像生成模型，获得多个候选图像之前，还包括：
7.根据权利要求6所述的方法，所述获取样本集，包括：
8.根据权利要求7所述的方法，所述对各原始图像进行对象属性识别，获得所述各原始图像的对象属性信息之前，还包括：
9.根据权利要求7所述的方法，所述对各原始图像进行对象属性识别，获得所述各原始图像的对象属性信息之前，还包括：
10.根据权利要求7所述的方法，所述对各原始图像进行对象属性识别，获得所述各原始图像的对象属性信息之前，还包括：
11.一种人脸图像生成方法，包括：
12.一种图像生成方法，应用于云侧设备，包括：
13.一种计算设备，包括：
14.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至10任意一项或者权利要求11或者权利要求12所述方法的步骤。
...
【技术特征摘要】
1.一种图像生成方法，包括：
2.根据权利要求1所述的方法，所述根据所述参考图像和所述多个候选图像，生成所述目标对象对应的目标图像，包括：
3.根据权利要求2所述的方法，所述分别确定各候选图像与所述参考图像之间的相似度之前，还包括：
4.根据权利要求3所述的方法，所述根据所述参考图像对所述多个候选图像进行矫正，获得矫正后的多个候选图像，包括：
5.根据权利要求1所述的方法，所述将所述生成提示信息输入图像生成模型，获得多个候选图像之前，还包括：
6.根据权利要求1所述的方法，所述将所述生成提示信息输入图像生成模型，获得多个候选图像之前，还包括：
7.根据权利要求6所述的方法，所述获取样本集，包括：
...
【专利技术属性】
技术研发人员：孙佰贵，于诚，刘洋，商磊，陈伟涛，谢宣松，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
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。