图像生成模型的训练方法、装置、电子设备及存储介质.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CN113947189A(43)申请公布日2022.01.18(21)申请号202111198286.5(22)申请日2021.10.14(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人王宁(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人罗岚(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)G06N20/00(2019.01)G06T11/00(2006.01)权利要求书4页说明书13页附图5页(54)发明名称图像生成模型的训练方法、装置、电子设备及存储介质(57)摘要本公开提供了一种图像生成模型的训练方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习、计算机视觉等人工智能技术领域。包括：获取样本角色图像，样本角色图像具有对应的样本角色标签，并确定样本属性标签，再获取与样本属性标签对应的样本属性图像，以及根据样本角色图像、样本属性图像、样本角色标签，以及样本属性标签训练初始图像生成模型，以得到目标图像生成模型，能够有效地辅助提升目标图像生成模型针对样本属性和样本角色的表达建模能力，当采用目标图像生成模型生成目标图像时，该目标图像能够表征出角色和属性维度的特征分布，有效地提升图像生成效果，提升目标图像生成模型所生成的目标图像的特征建模效果。CN113947189ACN113947189A权利要求书1/4页1.一种图像生成模型的训练方法，包括：获取多个样本角色图像，所述样本角色图像具有对应的样本角色标签；确定样本属性标签；获取与所述样本属性标签对应的多个样本属性图像；以及根据所述多个样本角色图像、所述多个样本属性图像、所述样本角色标签，以及所述样本属性标签训练初始图像生成模型，以得到目标图像生成模型。2.根据权利要求1所述的方法，所述多个样本角色图像分别属于对应的多个样本图像，其中，所述获取与所述样本属性标签对应的多个样本属性图像，包括：分别从所述多个样本图像中解析得到与所述样本属性标签对应的多个样本属性图像。3.根据权利要求1所述的方法，其中，所述根据所述多个样本角色图像、所述多个样本属性图像、所述样本角色标签，以及所述样本属性标签训练初始图像生成模型，以得到目标图像生成模型，包括：根据所述样本角色标签，分别从所述多个样本角色图像中解析得到多个样本角色特征；根据所述样本属性标签，分别从所述多个样本属性图像中解析得到多个样本属性特征；根据所述多个样本角色图像、所述多个样本属性图像、所述多个样本角色特征，以及所述多个样本属性特征训练初始图像生成模型，以得到目标图像生成模型。4.根据权利要求3所述的方法，所述初始图像生成模型包括：初始的角色解析模型、初始的预处理模型，以及待训练的图像生成模型；其中，所述根据所述多个样本角色图像、所述多个样本属性图像、所述多个样本角色特征，以及所述多个样本属性特征训练初始图像生成模型，以得到目标图像生成模型，包括：将所述多个样本角色特征分别输入至所述初始的角色解析模型中，以得到所述角色解析模型输出的多个预测角色图像；将所述多个样本属性特征分别输入至所述初始的预处理模型中，以得到所述预处理模型输出的多个预测属性图像；根据所述多个样本角色图像、所述多个样本属性图像、所述多个预测属性图像，以及所述多个预测角色图像训练所述待训练的图像生成模型，以得到所述目标图像生成模型。5.根据权利要求4所述的方法，其中，所述根据所述多个样本角色图像、所述多个样本属性图像、所述多个预测属性图像，以及所述多个预测角色图像训练所述待训练的图像生成模型，以得到所述目标图像生成模型，包括：生成多个样本合成图像，所述样本合成图像由第一样本角色图像和第一样本属性图像合成得到，所述第一样本角色图像属于所述多个样本角色图像，所述第一样本属性图像属于所述多个样本属性图像；确定与所述第一样本角色图像对应的第一预测角色特征，并确定与所述第一样本属性图像对应的第一预测属性特征；将所述第一样本属性图像，以及所述第一预测属性特征输入至所述待训练的图像生成模型中，以得到所述图像生成模型输出的预测合成图像；如果所述预测合成图像和所述样本合成图像之间的预测损失值满足设定条件，则将训2CN113947189A权利要求书2/4页练得到的所述图像生成模型作为所述目标图像生成模型。6.根据权利要求3所述的方法，其中，所述根据所述样本角色标签，分别从所述多个样本角色图像中解析得到多个样本角色特征，包括：根据所述样本角色标签，从所述样本角色图像中解析得到样本形象特征和样本性格特征；将多个所述样本形象特征和多个所述样本性格特征共同作为所述多个样本角色特征。7.