图像生成模型的训练方法、装置及图像生成方法、装置制造方法及图纸

本申请涉及计算机视觉技术领域，提供了一种图像生成模型的训练方法、装置及图像生成方法、装置。该训练方法包括：通过限制学生网络的前向扩散处理的步数不超过学生时间步集合中的元素个数，且学生时间步集合中的元素个数为4，那么学生网络对噪声图进行反向迭代的步数也是四步之内完成的；通过将真实图像和第一生成图输入鉴别器进行鉴别，以确定真实图像和第一生成图的对抗损失；基于第一蒸馏损失、第二蒸馏损失和对抗损失，对学生网络的模型参数进行迭代更新直至达到收敛条件，得到训练好的图像生成模型。利用该方法训练得到的图像生成模型，能够在较少的扩散步数内生成高质量的图像，大大提高图像的生成效率。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种图像生成模型的训练方法、装置及图像生成方法、装置。

技术介绍

1、目前基于扩散模型的生图算法中，通常需要进行大量的扩散步骤来生成数据。然而，每一步扩散过程都需要大量计算和存储资源，致使存在计算资源消耗大、处理时间长的问题这会使得扩散模型的训练和推理过程变得非常耗时，一般需要几十步的扩散过程才能生成一张图片，导致图像生成的效率较低，不利于实时生成图像的应用。

2、在相关技术中，一般直接通过减少扩散模型的采样步数来减少模型的图像生成步数。但是生成步数骤减后，导致扩散模型丢失较多关键信息，从而降低了生成图像的清晰度，以及大幅度削弱了生成图像的语义信息，造成生成图像的质量较差的问题。

技术实现思路

1、有鉴于此，本申请实施例提供了一种图像生成模型的训练方法、装置及图像生成方法、装置，以解决现有技术中无法兼顾生成图像的效率及质量的问题。

2、本申请实施例的第一方面，提供了一种图像生成模型的训练方法，包括：

3、基于第一教师网络的教师时间步集合确定学生本文档来自技高网...

【技术保护点】

1.一种图像生成模型的训练方法，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，对所述第一噪声图进行反向迭代处理，得到第一生成图，包括：

3.根据权利要求1所述的方法，其特征在于，根据所述第一生成图和所述第三生成图，确定第二蒸馏损失，包括：

4.根据权利要求1所述的方法，其特征在于，将所述第一生成图输入第一教师网络进行前向扩散和反向迭代处理，得到第二生成图，包括：

5.根据权利要求1所述的方法，其特征在于，将所述真实图像和所述第一生成图输入鉴别器进行鉴别，以确定所述真实图像和所述第一生成图的对抗损失，包括：

6.根...

【技术特征摘要】

1.一种图像生成模型的训练方法，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，对所述第一噪声图进行反向迭代处理，得到第一生成图，包括：

3.根据权利要求1所述的方法，其特征在于，根据所述第一生成图和所述第三生成图，确定第二蒸馏损失，包括：

4.根据权利要求1所述的方法，其特征在于，将所述第一生成图输入第一教师网络进行前向扩散和反向迭代处理，得到第二生成图，包括：

5.根据权利要求1所述的方法，其特征在于，将所述真实图像和所述第一生成图输入鉴别器进行鉴别，以确定所述真实图像和所述第...

【专利技术属性】
技术研发人员：石雅洁，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：