【技术实现步骤摘要】
本申请涉及人工智能 ，特别涉及一种基于扩散模型的图像生成方法、控制器和存储介质。
技术介绍
1、城市场景包含多种元素，如建筑、车辆、行人和动物等，城市场景图像的元素具备多样性和复杂性的特点，使得城市场景图像的特征学习成为一个难题。dreambooth是一种基于深度学习的个性化图像生成技术，dreambooth是通过小样本训练实现某特征物体的学习，这样的训练方法容易学习到一些物体的特征，从而生成包含目标特征的高质量图像，使得dreambooth能够在建筑单体单一化小样本图形训练中表现出色。然而，dreambooth对于群体建筑来说，像城市场景这种元素复杂和目标多样化的特征学习中并不佳，dreambooth其泛化能力可能不足，导致生成的图像缺乏多样性，还会潜在对特定对象过拟合的现象，使得生成的图像单一性，主次不鲜明，导致城市场景图像的特征学习的准确率低，城市场景图像的表达效果差。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请实施例提供了一种基于扩散模型的图像生...
【技术保护点】
1.一种基于扩散模型的图像生成方法，其特征在于，包括：
2.根据权利要求1所述的基于扩散模型的图像生成方法，其特征在于，所述将所述第一批次城市场景图像、第二批次城市场景图像和第三批次城市场景图像输入至扩散模型进行迭代训练处理，包括：
3.根据权利要求2所述的基于扩散模型的图像生成方法，其特征在于，所述第一批次城市场景图像为未经筛选的多视点城市场景图像，所述第二批次城市场景图像为高于第一预设分辨率的高清城市场景图像，所述第三批次城市场景图像为预设主题专项图集的场景图像。
4.根据权利要求1所述的基于扩散模型的图像生成方法，其特征在于，...
【技术特征摘要】
1.一种基于扩散模型的图像生成方法，其特征在于，包括：
2.根据权利要求1所述的基于扩散模型的图像生成方法，其特征在于，所述将所述第一批次城市场景图像、第二批次城市场景图像和第三批次城市场景图像输入至扩散模型进行迭代训练处理，包括：
3.根据权利要求2所述的基于扩散模型的图像生成方法，其特征在于，所述第一批次城市场景图像为未经筛选的多视点城市场景图像，所述第二批次城市场景图像为高于第一预设分辨率的高清城市场景图像，所述第三批次城市场景图像为预设主题专项图集的场景图像。
4.根据权利要求1所述的基于扩散模型的图像生成方法，其特征在于，在所述获取城市场景图像数据集之后，所述方法还包括：
5.根据权利要求2所述的基于扩散模型的图像生成方法，其特征在于，所述以第三学习率和第三学习频次对所述第三批次城市场景图像进行强化...
【专利技术属性】
技术研发人员：何松伦，孔祥伟，俞露，黄卫东，李启军，魏晨，李鑫，
申请(专利权)人：深圳市城市规划设计研究院股份有限公司，
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。