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() 一种基于大模型的智能菜品套图生成方法技术_技高网

一种基于大模型的智能菜品套图生成方法技术

技术编号:40829517 阅读:4 留言:0更新日期:2024-04-01 14:52
本发明专利技术涉及大模型技术领域,具体来说是一种基于大模型的智能菜品套图生成方法,方法具体如下:导入或生成菜品模板;修正模板;标记模板的菜品区域;批量导入菜品素材;分割菜品素材;菜品与模板合成,逐一处理分割后的菜品素材,将素材与模板的菜品区域对齐,并进行缩放处理和边缘模糊。本发明专利技术同现有技术相比,其优点在于:通过先进的图片识别与分割任务,实现对菜品的智能辨识,提高素材图片分割的精确度;通过计算素材大小、利用alpha通道图片合成技术,使得素材与模板的菜品区域对齐,再通过缩放处理和边缘模糊,确保整体覆盖,优化图片融合后的整体效果;减少对昂贵拍摄设备和专业摄影师的依赖,同时极大提高了套图制作的效率。

【技术实现步骤摘要】

本专利技术涉及大模型,具体来说是一种高效高精度的基于大模型的智能菜品套图生成方法


技术介绍

1、随着消费者行为向线上迁移和餐饮数字化的不断推进,商户纷纷进驻在线流量平台(如饿了么美团外卖、大众点评、抖音和小红书等),以拓展业务渠道。为了在竞争激烈的线上市场中脱颖而出,商户需注重店铺装修,特别关注菜品的引人注目呈现。然而,制作精致的菜品套图通常依赖专业的拍摄设备和摄影师,导致制作成本居高不下。尤其对于外卖行业中的长尾店铺而言,这样的费用可能难以负担。

2、现有的海报设计处理中,通常会使用adobe photoshop,或使用深度学习框架如tensorflow、pytorch配合专门的图像识别和分割模型进行此操作。这些模型可以是u-net、mask r-cnn、deeplab等,它们都是进行图像分割的常见算法。

3、现有技术中还有像dall·e这样的多模态模型,它有能力生成图像并能某种程度上理解图像内容,或者使用像clip这样的模型,它可以对图像和文本进行联合理解,但即使如此,它们主要用于图像合成和分类任务,不适合执行精确的图像分割任务。

4、因此,目前亟待解决的技术问题是:1.素材图片的菜品区域分割精度低;2.菜品素材图片与模板图片大小不同,视觉效果差;3.素材图片导入模板后无法完全对齐,图片质量低;4.菜品素材和模板图片之间的拼合连接处过度不自然。


技术实现思路

1、本专利技术要解决的技术问题是克服现有技术的不足,提供一种基于大模型的智能菜品套图生成方法,能够对菜品智能辨识并分割,提高图片处理效率和效果。

2、为了实现上述目的,设计一种基于大模型的智能菜品套图生成方法,其特征在于所述方法具体如下:s1.导入或生成菜品模板;s2.修正模板;s3.标记模板的菜品区域;s4.批量导入菜品素材;s5.分割菜品素材;s6.菜品与模板合成,逐一处理分割后的菜品素材,将素材与模板的菜品区域对齐,并进行缩放处理和边缘模糊,所述步骤s6具体如下:s61.对模板进行预处理,计算模板上菜品的中心位置,记录中心位置坐标为t_center(x,y),确定菜品周围区域离菜品中心位置的最大半径t_radius;取模版的alpha制作遮罩图像t_mask,其中菜品区域为全白,其他区域为全黑,并对遮罩图像t_mask的边缘进行1个像素的模糊处理;s62.对菜品素材进行预处理,将菜品裁切到最小边框;s63.对裁切后的菜品图像进行缩放处理,先计算菜品的中心位置d_center(x,y),再计算菜品的中心位置离边缘的最小半径d_radius,通过菜品的中心位置和离边缘的最小半径计算菜品尺寸调整的比例;s64.制作带合成的菜品图前景,依据模版的尺寸新建一张全黑前景图foreground,并根据模板上菜品中心位置t_center的位置将菜品合成到foreground上,保证裁切后的菜品图的中心位置d_center与模板上菜品的中心位置t_center对齐;s65.对全黑前景图foreground进行亮度调整,确保不低于模板的亮度;s66.将遮罩图像t_mask设置为全黑前景图foreground的alpha通道;s67.将全黑前景图foreground合成到模板上得到最终的菜品图。

3、优选的,步骤s3具体如下:利用图像分割任务的大模型,自动识别菜品位置并创建二值图像mask,用于后续素材合成。

4、优选的,步骤s5具体如下:再次利用大模型对素材进行识别和分割,将菜品但不包含盘子的部分分割出来。

5、本专利技术同现有技术相比,其优点在于:

6、1、通过先进的图片识别与分割任务,实现对菜品的智能辨识,从而提高素材图片分割的精确度;

7、2、计算像素大小,调整菜品素材图片与模板图片尺寸,确保整体覆盖,改善图片视觉效果;

8、3、利用alpha通道图片合成技术,使得素材与模板的菜品区域完全对齐,提高图片质量;

9、4、通过对分割后的菜品素材图片缩放处理和边缘模糊,提高合成自然度。

本文档来自技高网...

【技术保护点】

1.一种基于大模型的智能菜品套图生成方法,其特征在于所述方法具体如下:

2.如权利要求1所述的一种基于大模型的智能菜品套图生成方法,其特征在于所述步骤S3具体如下:利用图像分割任务的大模型,自动识别菜品位置并创建二值图像mask,用于后续素材合成。

3.如权利要求1所述的一种基于大模型的智能菜品套图生成方法,其特征在于所述步骤S5具体如下:再次利用大模型对素材进行识别和分割,将菜品但不包含盘子的部分分割出来。

【技术特征摘要】

1.一种基于大模型的智能菜品套图生成方法,其特征在于所述方法具体如下:

2.如权利要求1所述的一种基于大模型的智能菜品套图生成方法,其特征在于所述步骤s3具体如下:利用图像分割任务的大模型,自动识别菜品位置...

【专利技术属性】
技术研发人员:陈振华朱辰昊李晓捷王海兵
申请(专利权)人:再惠上海网络科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1