使用预训练扩散模型的个性化单图像概念编码器制造技术

本公开涉及使用预训练的扩散模型的个性化单图像概念编码器。提供了用于图像处理的系统和方法。该系统和方法的一个方面包括标识包括目标样式的样式图像。样式编码器网络基于样式图像生成表示目标样式的样式向量。可以基于鼓励网络匹配期望样式的样式损失来训练样式编码器。扩散模型基于样式向量生成包括目标样式的合成图像。扩散模型独立于样式编码器网络被训练。

【技术实现步骤摘要】

技术介绍

1、以下总体涉及机器学习，并且更具体地涉及用于图像处理的机器学习。

2、数字图像处理通常是指使用计算机来编辑数字图像(例如，使用算法、处理网络等)。在某些情况下，图像处理软件可以用于各种图像处理任务，诸如图像编辑、图像生成等。一些图像处理系统可以实现机器学习技术，以例如使用预测模型来执行任务(例如，无需针对每个任务对系统进行显式编程)，以更高的精度或更少的时间来执行任务，使用专用硬件来执行任务等。

3、图像生成(数字图像处理的子领域)可以包括使用机器学习模型来生成图像。扩散模型是一种基于随机过程生成图像的机器学习模型。具体地，扩散模型在多个级别上引入随机噪声，并训练网络以消除噪声。

技术实现思路

1、本公开描述了用于图像处理的系统和方法。本公开的实施例包括被配置为生成具有目标样式的图像的图像处理装置。图像处理装置可以训练样式编码器以在潜在空间中生成样式向量，以用于对扩散模型的指导。在一些示例中，可以使用预先优化的样式向量或通过将预测图像的样式与样式编码器的输入的样式进行比较本文档来自技高网...

【技术保护点】

1.一种方法，包括：

2.根据权利要求1所述的方法，其中：

3.根据权利要求1所述的方法，其中：

4.根据权利要求1所述的方法，还包括：

5.根据权利要求1所述的方法，还包括：

6.根据权利要求1所述的方法，还包括：

7.根据权利要求1所述的方法，还包括：

8.一种方法，包括：

9.根据权利要求8所述的方法，还包括：

10.根据权利要求9所述的方法，还包括：

11.根据权利要求9所述的方法，还包括：

12.根据权利要求8所述的方法，还包括：

13...

【技术特征摘要】

1.一种方法，包括：

2.根据权利要求1所述的方法，其中：

3.根据权利要求1所述的方法，其中：

4.根据权利要求1所述的方法，还包括：

5.根据权利要求1所述的方法，还包括：

6.根据权利要求1所述的方法，还包括：

7.根据权利要求1所述的方法，还包括：

8.一种方法，包括：

9.根据权利要求8所述的方法，还包括：

10.根据权利要求9所述的方法，还包括：

11.根据权利要求9所述的方法，还包括：

【专利技术属性】
技术研发人员：S·莫蒂安，S·贾达尔，
申请(专利权)人：奥多比公司，
类型：发明
国别省市：