用于生成图形的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113744362A(43)申请公布日2021.12.03(21)申请号202111042468.3(22)申请日2021.09.07(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人王晨宇(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06T11/20(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书15页附图7页(54)发明名称用于生成图形的方法和装置(57)摘要本申请公开了用于生成图形的方法和装置，具体实现方案为：获取待检测纹理图形；对图形纹理和图形图案进行判断，确定待检测纹理图形的所属类型；将待检测纹理图形输入至与所属类型对应的图形预测模型，生成目标图形，其中，图形预测模型包括：第一预测模型、第二预测模型、第三预测模型和第四预测模型，第一预测模型用于表征利用第一对抗网络对目标灰度图进行预测，第二预测模型用于表征对待检测纹理图形的纹理图元集对应的纹理图进行预测，第三预测模型用于表征利用第二对抗网络对目标线条图进行预测，第四预测模型用于表征对待检测纹理图形的边序列集合对应的线条图进行预测。该方案实现一种智能泛化图片的纹理和图案的方法。CN113744362ACN113744362A权利要求书1/4页1.一种用于生成图形的方法，包括：获取待检测纹理图形，其中，所述待检测纹理图形包括图形纹理和图形图案；对所述图形纹理和所述图形图案进行判断，确定与所述图形纹理和所述图形图案对应的所述待检测纹理图形的所属类型，其中，所述所属类型包括：一型纹理图、二型纹理图、一型线条图和二型线条图中的至少一项；将所述待检测纹理图形输入至与所述所属类型对应的训练得到的图形预测模型，生成与输入的所述待检测纹理图形对应的目标图形，其中，所述图形预测模型包括：与所述一型纹理图对应的第一预测模型、与所述二型纹理图对应的第二预测模型、与所述一型线条图对应的第三预测模型和与所述二型线条图对应的第四预测模型，所述第一预测模型用于表征根据所述待检测纹理图形的初始灰度图利用第一对抗网络对所述待检测纹理图形的目标灰度图进行预测，所述第二预测模型用于表征基于所述待检测纹理图形的纹理图元集对所述纹理图元集对应的纹理图进行预测，所述第三预测模型用于表征根据所述待检测纹理图形的初始线条图利用第二对抗网络对所述待检测纹理图形的目标线条图进行预测，所述第四预测模型用于表征基于所述待检测纹理图形的边序列集合对所述边序列集合对应的线条图进行预测。2.根据权利要求1所述的方法，其中，所述第一预测模型、所述第二预测模型、所述第三预测模型和所述第四预测模型中的一个或多个基于卷积神经网络而构建。3.根据权利要求1所述的方法，其中，所述第一预测模型包括特征提取子模型和灰度图预测子模型；所述将所述待检测纹理图形输入至与所述所属类型对应的训练得到的图形预测模型，生成与输入的所述待检测纹理图形对应的目标图形，包括：响应于所述待检测纹理图形的所属类型为一型纹理图，将所述待检测纹理图形输入至所述特征提取子模型，生成与输入的所述待检测纹理图形对应的第一特征向量集，其中，所述特征提取子模型用于表征对所述待检测纹理图形的初始灰度图对应的频域矩阵进行频域特征向量的提取，所述频域矩阵通过对所述初始灰度图进行DCT变换而得到；将所述第一特征向量集输入至所述灰度图预测子模型，生成所述第一特征向量集对应的目标灰度图，其中，所述灰度图预测子模型基于对抗网络而构建，所述灰度图预测子模型用于表征利用降维编码器对所述第一特征向量集对应的灰度图进行预测。4.根据权利要求1所述的方法，其中，所述第三预测模型包括特征生成子模型和第三预测子模型；所述将所述待检测纹理图形输入至与所述所属类型对应的训练得到的图形预测模型，生成与输入的所述待检测纹理图形对应的目标图形，包括：响应于所述待检测纹理图形的所属类型为一型线条图，将所述待检测纹理图形输入至所述特征生成子模型，生成与输入的所述待检测纹理图形对应的第二特征向量集，其中，所述特征生成子模型用于表征对所述待检测纹理图形的傅里叶变换结果进行级数分量的提取；将所述第二特征向量集输入至所述第三预测子模型，生成所述第二特征向量集对应的第一线条图，其中，所述第三预测子模型基于对抗网络而构建。5.根据权利要求1所述的方法，其中，所述第四预测模型包括边序列生成子模型和第四预测子模型；所述将所述待检测纹理图形输入至与所述所属类型对应的训练得到的图形预测模型，生成与输入的所述待检测纹理图形对应的目标图形，