一种图像生成方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种图像生成方法、装置、电子设备及存储介质，涉及深度学习领域。在本申请中，获取到目标对象的原始人脸图像之后，便可根据原始人脸图像对应的第一隐向量，以及训练LoRA模型所需的人脸图像数量确定的设定数量的参考人脸图像分别对应的第二隐向量，构建设定数量的第三隐向量。这样，在将设定数量的第三隐向量输入至预先训练的人脸图像生成模型后，便可生成目标对象在设定数量的参考人脸图像分别对应的人脸姿态下的目标人脸图像。由此可见，在针对目标对象制作数字身份时，目标对象无需再提供较多的个人图像，仅需提供一张原始图像即可，提高了目标对象对数字身份制作的体验感，从而有利于数据身份的推广使用。

【技术实现步骤摘要】

本申请涉及深度学习领域，尤其涉及一种图像生成方法、装置、电子设备及存储介质。

技术介绍

1、随着人工智能创造内容(artificial intelligence generated content，aigc)技术的快速发展，扩散模型被广泛应用于日常生活中的各个方面。例如，低秩适应(low-rank adaptation，lora)模型作为一种轻型的稳定扩散模型，通常可以用于制作目标对象的数字身份。

2、具体的，在针对目标对象制作数字身份时，通常可以根据目标对象提供的一定数量(例如，18张)的个人图像，训练与目标对象的数字身份制作相关的lora模型，从而通过训练好的lora模型生成目标对象的数字身份。

3、然而，采用上述lora模型的训练方式，由于需要目标对象提供较多数量的个人图像且个人图像的私密性较高，从而导致目标对象对数字身份制作的体验感较差(如，操作难度较大)，进而放弃数字身份的制作，不利于数字身份的推广使用。

技术实现思路

1、本申请实施例提供了一种图像生成方法、装置、电子设备及本文档来自技高网...

【技术保护点】

1.一种图像生成方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行人脸检测，获得所述目标对象的原始人脸图像，包括：

3.如权利要求1或2所述的方法，其特征在于，所述人脸图像生成模型是采用如下方式训练的：

4.如权利要求3所述的方法，其特征在于，所述获取样本对象的多个样本图像组合，包括：

5.如权利要求3所述的方法，其特征在于，所述基于所述多个样本图像组合，对所述人脸图像生成模型进行多次迭代训练，包括：

6.如权利要求5所述的方法，其特征在于，所述基于所述第一人脸图像对应的隐向量和所述第二人脸...

【技术特征摘要】

1.一种图像生成方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行人脸检测，获得所述目标对象的原始人脸图像，包括：

3.如权利要求1或2所述的方法，其特征在于，所述人脸图像生成模型是采用如下方式训练的：

4.如权利要求3所述的方法，其特征在于，所述获取样本对象的多个样本图像组合，包括：

5.如权利要求3所述的方法，其特征在于，所述基于所述多个样本图像组合，对所述人脸图像生成模型进行多次迭代训练，包括：

【专利技术属性】
技术研发人员：景逸飞，
申请(专利权)人：度小满科技北京有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人