【技术实现步骤摘要】
本专利技术涉及一种人工智能领域、医疗服务领域，特别是涉及一种图像生成方法及装置、存储介质、计算机设备。
技术介绍
1、随着机器学习技术的迅猛发展，机器学习系统通过文本提示生成图像的能力在质量、准确性和表达等诸多方面都有了显著的提高。图像生成技术也被越来越广泛的应用于艺术、医疗、金融等多个领域。
2、目前的图像生成方法一般是基于无监督学习模型进行处理的，模型在图像生成过程中，无法学习到物体与属性之间的复杂关系。例如，在医疗领域的医学影像对比图像的生成过程中，模型无法理解不同细胞与组织之间的关联关系，因而在生成的医学影像对比图像中不能正确描绘出组织与细胞之间的关系，导致生成的图像准确度低；在诊疗方案效果预测图像的生成过程中，模型无法理解不同治疗方法、和治疗药物与治疗效果之间的联系，因而在生成的诊疗方案效果预测图像中无法准确预测病灶变化情况，导致生成的图像准确度低。又例如，金融领域中无法理解图像中企业资讯与股票变动之间的关系。进而在图像的生成过程中容易忽略物体与属性之间的关联性，特别是当面物体与属性之间存在复杂的关系时，无法在图像...
【技术保护点】
1.一种图像生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述文本图像样本对包括文本样本、图像样本，所述基于获取到的不同预期业务类别下的知识图谱、文本图像样本分别对所述初始图像生成模型进行训练，得到不同业务类别的训练好的图像生成模型包括：
3.根据权利要求2所述的方法，其特征在于，所述针对各个预期业务类别，基于所述知识图谱对所述文本样本进行融合处理，得到知识图谱融合后的文本特征向量包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述初始词向量序列中的各个初始词向量分别基于所述对象特征向量、所述属性特...
【技术特征摘要】
1.一种图像生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述文本图像样本对包括文本样本、图像样本，所述基于获取到的不同预期业务类别下的知识图谱、文本图像样本分别对所述初始图像生成模型进行训练，得到不同业务类别的训练好的图像生成模型包括：
3.根据权利要求2所述的方法，其特征在于，所述针对各个预期业务类别，基于所述知识图谱对所述文本样本进行融合处理，得到知识图谱融合后的文本特征向量包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述初始词向量序列中的各个初始词向量分别基于所述对象特征向量、所述属性特征向量、所述值特征向量进行自注意力学习，得到知识图谱融合后的文本特征向量包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述...
【专利技术属性】
技术研发人员：刘羲，董孟帆，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
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。