System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本文件涉及数据处理,尤其涉及一种数据处理方法、装置及设备。
技术介绍
1、随着人工智能技术的飞速发展,基于一段文本生成一张图像的文生图技术在多个领域得到广泛应用,然而,由于文本中可能存在风险词汇,因而,如何避免生成包含风险内容(如与用户隐私数据相关的内容)的图像成为关注焦点。
2、例如,可以对生成图像进行安全性打分,若生成图像的安全分值低于风险阈值,则可以输出空白图像,但是,由于空白图像会影响用户体验,导致风险防控场景下,基于文本进行图像生成处理的处理效果低下,因此,需要一种能够在风险防控场景下,提高基于文本进行图像生成处理的处理效果的解决方案。
技术实现思路
1、本说明书实施例的目的是提供一种数据处理方法、装置及设备,以提供一种能够在风险防控场景下,提高基于文本进行图像生成处理的处理效果的解决方案。
2、为了实现上述技术方案,本说明书实施例是这样实现的:
3、第一方面,本说明书实施例提供了一种数据处理方法,包括:在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,并获取所述目标文本与所述目标风险关键词之间的匹配度;通过所述预先训练的扩散生成模型,经过预设迭代次数逐次对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数;其中,在第一次迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为初始扩散元函数,在除所述第一次迭代过程以外的迭代过程中,所述预先训练的扩散生
4、第二方面,本说明书实施例提供了一种数据处理装置,所述装置包括:数据获取模块,用于在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,并获取所述目标文本与所述目标风险关键词之间的匹配度;数据加噪模块,用于通过预先训练的扩散生成模型,对所述目标文本进行加噪处理,得到与所述目标文本对应的第一图像表征,所述扩散生成模型为基于预设生成式算法构建的用于生成与文本对应的图像的模型;数据降噪模块,用于通过所述预先训练的扩散生成模型,经过预设迭代次数逐次对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数;其中,在第一次迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为初始扩散元函数,在除所述第一次迭代过程以外的迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为基于上一次迭代过程对应的条件特征,以及由所述上一次迭代过程对应的噪声和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数生成的结果确定,所述上一次迭代过程对应的条件特征为通过由所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述上一次迭代过程对应的噪声、所述目标风险关键词和所述匹配度确定的结果,对由所述上一次迭代过程对应的噪声、所述目标文本和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数确定的结果进行风险削弱处理得到;图像生成模块,用于基于所述迭代结束得到的所述预先训练的扩散生成模型的输出端的元函数、所述目标文本、所述目标风险关键词以及所述最后一次迭代过程对应的噪声,生成与所述目标文本对应的第二图像表征,并基于所述第二图像表征,确定与所述目标文本对应的目标图像。
5、第三方面,本说明书实施例提供了一种数据处理设备,所述数据处理设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,并获取所述目标文本与所述目标风险关键词之间的匹配度;通过所述预先训练的扩散生成模型,经过预设迭代次数逐次对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数;其中,在第一次迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为初始扩散元函数,在除所述第一次迭代过程以外的迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为基于上一次迭代过程对应的条件特征,以及由所述上一次迭代过程对应的噪声和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数生成的结果确定,所述上一次迭代过程对应的条件特征为通过由所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述上一次迭代过程对应的噪声、所述目标风险关键词和所述匹配度确定的结果,对由所述上一次迭代过程对应的噪声、所述目标文本和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数确定的结果进行风险削弱处理得到;基于所述迭代结束得到的所述预先训练的扩散生成模型的输出端的元函数、所述目标文本、所述目标风险关键词以及所述最后一次迭代过程对应的噪声,生成与所述目标文本对应的第二图像表征,并基于所述第二图像表征,确定与所述目标文本对应的目标图像。
6、第四方面,本说明书实施例提供一种存储介质,所述存储介质用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,并获取所述目标文本与所述目标风险关键词之间的匹配度;通过所述预先训练的扩散生成模型,经过预设迭代次数逐次对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数;其中,在第一次迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为初始扩散元函数,在除所述第一次迭代过程以外的迭代过程中,所述预先训练的扩散生成模型的输出端的元函数为基于上一次迭代过程对应的条件特征,以及由所述上一次迭代过程对应的噪声和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数生成的结果确定,所述上一次迭代过程对应的条件特征为通过由所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述上一次迭代过程对应的噪声、所述目标风险关键词和所述匹配度确定的结果,对由所述上一次迭代过程对应的噪声、所述目标文本和所述上一次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数本文档来自技高网...
【技术保护点】
1.一种数据处理方法,包括:
2.根据权利要求1所述的方法,所述在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,包括:
3.根据权利要求2所述的方法,所述通过所述预先训练的扩散生成模型,经过预设迭代步数逐步对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数,包括:
4.根据权利要求3所述的方法,所述基于所述第二次迭代过程对应的条件特征和所述第七中间结果,确定所述第三次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数,包括:
5.根据权利要求3所述的方法,所述基于所述第二次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述第二次迭代过程对应的噪声和所述目标风险关键词,得到所述第四中间结果,并基于所述第四中间结果和所述匹配度,得到所述第五中间结果,包括:
6.根据权利要求5所述的方法,所述目标风险关键词有多个,所述将所述第二次迭代过程对应的噪声和所述目标风险关键词,输入所述第二次迭代过程对应的所述预先训练的扩散生成模
7.根据权利要求3所述的方法,所述基于所述第二次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述第二次迭代过程对应的噪声和所述目标文本,得到所述第六中间结果,并基于所述五中间结果对所述第六中间结果进行风险削弱处理,得到所述第二次迭代过程对应的条件特征,包括:
8.根据权利要求1所述的方法,所述通过预先训练的扩散生成模型,对所述目标文本进行加噪处理,得到与所述目标文本对应的第一图像表征,包括:
9.一种数据处理装置,包括:
10.一种数据处理设备,所述数据处理设备包括:
...【技术特征摘要】
1.一种数据处理方法,包括:
2.根据权利要求1所述的方法,所述在接收到针对目标文本的图像生成指令的情况下,获取与所述目标文本匹配的目标风险关键词,包括:
3.根据权利要求2所述的方法,所述通过所述预先训练的扩散生成模型,经过预设迭代步数逐步对所述第一图像表征进行降噪处理,直到最后一次迭代过程结束,得到所述预先训练的扩散生成模型的输出端的元函数,包括:
4.根据权利要求3所述的方法,所述基于所述第二次迭代过程对应的条件特征和所述第七中间结果,确定所述第三次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数,包括:
5.根据权利要求3所述的方法,所述基于所述第二次迭代过程对应的所述预先训练的扩散生成模型的输出端的元函数、所述第二次迭代过程对应的噪声和所述目标风险关键词,得到所述第四中间结果,并基于所述第四中间结果和所述匹配度,得到所述第五中间结果,包括:
【专利技术属性】
技术研发人员:洪燕,兰钧,祝慧佳,王维强,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。