CN110428480A - 个性化绘画作品生成方法、装置、介质及电子设备 - Google Patents
个性化绘画作品生成方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN110428480A CN110428480A CN201910712264.2A CN201910712264A CN110428480A CN 110428480 A CN110428480 A CN 110428480A CN 201910712264 A CN201910712264 A CN 201910712264A CN 110428480 A CN110428480 A CN 110428480A
- Authority
- CN
- China
- Prior art keywords
- paint
- target object
- personalized
- target
- block chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003973 paint Substances 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims description 32
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 20
- 230000007246 mechanism Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 229940036051 sojourn Drugs 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010422 painting Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000004224 protection Effects 0.000 description 4
- 241000282326 Felis catus Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例提供了一种个性化绘画作品生成方法、装置、介质及电子设备,属于计算机技术领域。该个性化绘画作品生成方法包括:获取目标对象的绘画偏好信息;根据所述绘画偏好信息检索目标绘画作品;将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。本公开实施例的技术方案能够基于目标对象的绘画偏好信息生成针对所述目标对象的个性化绘画作品。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种个性化绘画作品生成方法、装置、介质及电子设备。
背景技术
随着智能手机等触屏设备和人机交互技术的快速发展与普及,智能绘画可以将传统手绘艺术和智能技术相结合,在视觉编辑、教育、商业推广、人机交互等方面可产生更有创造性、趣味性和实用性的应用效果。但是,相关技术还不能自动生成个性化的绘画作品。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种个性化绘画作品生成方法、装置、介质及电子设备,进而至少在一定程度上克服相关技术中存在的生成的绘画作品个性化不足的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种个性化绘画作品生成方法,包括:获取目标对象的绘画偏好信息;根据所述绘画偏好信息检索目标绘画作品;将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
在本公开的一种示例性实施例中,所述生成式对抗网络包括判别器和生成器;其中,将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品,包括:步骤1、将所述目标绘画作品和所述生成器输出的生成数据集输入至所述判别器以输出判断结果,根据第一目标函数和所述判断结果训练所述判别器;步骤2、将随机初始化向量输入至所述生成器以输出所述生成数据集,根据第二目标函数训练所述生成器;步骤3、循环执行所述步骤1和2,经过预设次数的参数迭代,所述生成器生成与所述目标绘画作品具有相同分布的图像作为所述个性化绘画作品。
在本公开的一种示例性实施例中,所述判别器和所述生成器均为4层卷积神经网络网格结构。
在本公开的一种示例性实施例中,所述方法还包括:在区块链中存储所述目标对象的绘画信息;从所述区块链的绘画信息中提取所述目标对象的绘画偏好信息;或者,将所述目标对象的绘画偏好信息存储于所述区块链中。
在本公开的一种示例性实施例中,所述方法还包括:根据所述目标对象对所述个性化绘画作品的反馈信息调整所述生成式对抗网络的参数。
在本公开的一种示例性实施例中,所述方法还包括:在区块链中存储所述反馈信息。
在本公开的一种示例性实施例中,所述绘画偏好信息包括所述目标对象偏好的绘画风格、绘画主题和绘画色彩中的任意一种或者多种。
根据本公开的一个方面,提供一种个性化绘画作品生成装置,包括:获取模块,用于获取目标对象的绘画偏好信息;检索模块,用于根据所述绘画偏好信息检索目标绘画作品;生成模块,用于将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
根据本公开的一个方面,提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的个性化绘画作品生成方法。
根据本公开的一个方面,提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述任一实施例所述的个性化绘画作品生成方法。
本公开实施例提供的技术方案可以包括以下有益效果:
在本公开的一些实施例所提供的技术方案中,可以基于目标对象的绘画偏好信息,从而可以根据该目标对象的绘画偏好信息搜索该目标对象喜爱或者感兴趣的目标绘画作品,并进而可以基于该目标绘画作品并利用生成式对抗网络自动生成针对该目标对象的个性化绘画作品,实现了个性化绘画作品的自动化生成,提高了个性化绘画作品的个性化和准确性。
另一方面,相关技术中还利用数据库来存储绘画相关信息,现有的中心化的存储方式容易被攻击,且数据存储结构简单,容易被篡改,容易信息泄露,导致信息被篡改。在本公开的另一些实施例所提供的技术方案中,还可以通过利用区块链技术来存储目标对象的绘画信息,可以实现去中心化的存储方式,具有隐私保护、可追溯、防篡改等特点,保证了存储的数据的安全性和可靠性,从而可以防止个性化绘画作品生成过程中用户数据的信息泄露,提高了生成个性化绘画作品的安全性和准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开的一个实施例的个性化绘画作品生成方法的流程图;
图2示意性示出了根据本公开的另一个实施例的个性化绘画作品生成方法的流程图;
图3示意性示出了根据本公开的一个实施例的个性化绘画作品生成装置的框图;
图4示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了根据本公开的一个实施例的个性化绘画作品生成方法的流程图,该个性化绘画作品生成方法的执行主体可以是具有计算处理功能的设备,如服务器和/或移动终端等。
如图1所示,本公开实施方式提供的个性化绘画作品生成方法可以包括以下步骤。
在步骤S110中,获取所述目标对象的绘画偏好信息。
在示例性实施例中,所述方法还可以包括:在区块链中存储所述目标对象的绘画信息;从所述区块链的绘画信息中提取所述目标对象的绘画偏好信息;或者,将所述目标对象的绘画偏好信息存储于所述区块链中。即在一些实施例中,可以预先在区块链中存储目标对象的绘画信息,之后再从区块链中存储的绘画信息中提取出目标对象的绘画偏好信息。在另一实施例中,也可以预先获取到目标对象的绘画偏好信息,直接将目标对象的绘画偏好信息存储至区块链中,当需要时,从区块链中直接提取存储的目标对象的绘画偏好信息即可。
本公开实施例中,所述目标对象例如可以是养老互助联盟机构中的客户,例如老年人,但本公开并不限定于此,例如还可以是中小学生等任意的用户。
本公开实施例中,所述方法还可以包括区块链节点及区块链网络的构建步骤,用于负责区块链节点以及区块链网络的构建、更新和维护。例如,以公司的基层营业机构为最小节点,一个或多个集团/公司参与共享旅居养老互助联盟老年人智能绘画信息共享和管理交易区块链网络构建。
本公开实施例中,所述方法还可以包括预先定义信息存储和信息认证数据格式,即按照本公开实施例定义的数据结构方式、信息存储方式和协议来存储和认证共享信息等,以保证信息存储和信息处理的高效率。
本公开实施例中,两个或多个养老互助联盟机构在客户旅居养老方面互相提供居住、护理医疗、娱乐、艺术等服务,在系统中注册的企业或个人将相关共享旅居养老互助联盟老年人智能绘画信息共享和管理案例、老年人绘画作品信息、老年人对智能绘画的工具的反馈信息(名画欣赏、色彩选择、逼真性、算法选择等)、老年人对绘画主题选择信息(年代感、怀旧情感的绘画艺术表达等)等共享旅居养老互助联盟老年人智能绘画信息共享和管理更新信息上传到区块链,可以证明相关材料的音频、视频、图像等相关材料也可以上传至区块链,从而使得区块链存储的信息具有隐私保护(例如可以通过权限管理、图片或视频加水印、加密等技术手段)、公开透明、可追溯、不易篡改等特点。
区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。
区块链本质上是一个去中心化的数据库。区块链是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一次比特币网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
狭义来讲,区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构,并以密码学方式保证的不可篡改和不可伪造的分布式账本。
广义来讲,区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。
一般说来,区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中,数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络节点的各类共识算法;激励层将经济因素集成到区块链技术体系中来,主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。该模型中,基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。
本公开实施例提出的一种个性化绘画作品生成方法,可以在区块链网络中有效实现个性化绘画作品的自动生成。其可以利用区块链哈希指针的交易链数据结构和加密学的哈希计算和加密学数字签字的机制,实现交易过程中的多层次证据确认,从而来实现不同个体交易方之间的信任问题。同时,利用区块链存储目标对象的绘画信息,还可以具有隐私保护、可追溯和防篡改等特点。
需要说明的是,虽然在本公开实施例的举例说明中,以区块链存储数据为例进行说明,但本公开实际上并不限定于此,其还可以采用其他方式例如数据库等进行数据的存储。
本公开实施例中,所述绘画偏好信息可以包括所述目标对象偏好的绘画风格、绘画主题和绘画色彩等中的任意一种或者多种。
本公开实施例中,所述绘画风格可以包括文艺复兴风格、巴洛克风格、印象派风格、表现主义风格等中的任意一种或者多种,所述绘画主题可以包括风景主题、人物主题、花卉主题等中的任意一种或者多种。
在步骤S120中,根据所述绘画偏好信息检索目标绘画作品。
本公开实施例中,从区块链中提取目标对象例如老年人对绘画艺术表达的喜好,具体可以包括:喜爱的绘画风格(如文艺复兴、巴洛克风格、印象派、表现主义等),喜爱的绘画主题(如风景、人物、花卉等),喜爱的色彩等,根据老年人的喜好搜索相关的真实绘画艺术作品集A(由艺术家创作)作为所述目标绘画作品。
在步骤S130中,将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
在示例性实施例中,所述生成式对抗网络可以包括判别器和生成器。其中,将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品,可以包括:步骤1、将所述目标绘画作品和所述生成器输出的生成数据集输入至所述判别器以输出判断结果,根据第一目标函数和所述判断结果训练所述判别器;步骤2、将随机初始化向量输入至所述生成器以输出所述生成数据集,根据第二目标函数训练所述生成器;步骤3、循环执行所述步骤1和2,经过预设次数的参数迭代,所述生成器生成与所述目标绘画作品具有相同分布的图像作为所述个性化绘画作品。
在示例性实施例中,所述判别器和所述生成器可以均为4层卷积神经网络网格结构,但本公开并不限定于此。
本公开实施例中,首先建立生成式对抗网络(Generative AdversarialNetworks,GAN),该生成式对抗网络具有两个对手网络:判别器和生成器,将真实绘画艺术作品集A作为判别器的输入用于模型训练,生成器的输入为随机初始化向量,经过多次参数迭代,生成器将生成与真实绘画艺术作品集A具有相同分布的图像,即自动生成个性化绘画作品。
该个性化绘画作品的生成步骤具体实现过程如下:
首先训练判别器D,判别器可以为4层CNN(Convolutional Neural Networks,卷积神经网络)网络结构,其输入为真实绘画艺术作品集A以及由生成器G产生的生成数据集,输出为判断结果(真实数据=1,生成数据=0),其第一目标函数可以为:
上述公式(1)中,x代表是否为真实数据,Pdata(x)是真实数据分布,x~Pdata(x)表示变量x服从于真实数据分布,z代表生成数据,Pz(z)是生成数据分布,z~Pz(z)表示变量z服从于生成数据分布,E代表数学期望。
然后训练生成器G,生成器同样可以为4层CNN网络结构,其输入为随机初始化向量,输出为生成数据集,其第二目标函数可以为:
循环执行上述两个训练步骤,经过多次参数迭代,生成器将生成与真实绘画艺术作品集A具有相同分布的图像,即自动生成个性化绘画作品。
其中,生成式对抗网络是一种深度学习模型,是复杂分布上无监督学习的方法之一。模型通过框架中(至少)两个模块:生成器(Generative Model)和判别器(Discriminative Model)的互相博弈学习产生好的输出。本公开实施例中可以均使用深度神经网络作为G和D。判别器需要输入变量,通过某种模型来预测。生成器是给定某种隐含信息,来随机产生观测数据。举个简单的例子,
判别器:给定一张图,判断这张图里的动物是猫还是狗。
生成器:给一系列猫的图片,生成一张新的猫咪(不在数据集里)。
对于判别器,损失函数是容易定义的,因为输出的目标相对简单。但对于生成器,损失函数的定义就不是那么容易。对于生成结果的期望,往往是一个暧昧不清,难以数学公理化定义的范式。所以可以把生成器的回馈部分,交给判别器处理。这就将机器学习中的两大类模型,Generative和Discrimitive给紧密地联合在了一起。
GAN的基本原理以生成个性化绘画作品为例进行说明。假设有两个网络,G(Generator)和D(Discriminator)。它们的功能分别是:
G是一个生成个性化绘画作品的网络,它接收一个随机的噪声z,通过这个噪声生成个性化绘画作品,记做G(z)。
D是一个判别网络,判别一张图片是不是“真实的”。它的输入参数是x,x代表一张图片,输出D(x)代表x为真实图片(即目标绘画作品或者真实绘画艺术作品集A中的绘画作品)的概率,如果为1,就代表100%是真实的图片,而输出为0,就代表不可能是真实的图片。
在训练过程中,生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样,G和D构成了一个动态的“博弈过程”。
在最理想的状态下,G可以生成足以“以假乱真”的图片G(z)。对于D来说,它难以判定G生成的图片究竟是不是真实的,因此D(G(z))=0.5。这样目的就达成了:得到了一个生成网络G,即生成式的模型G,它可以用来生成图片。在模型收敛时,生成数据具有和真实数据相同的分布(保证了模型效果)。
在本公开的一种示例性实施例中,区块链中的一个高权限节点的后端服务器从区块链中采集信息和案例,并训练G和D。得到的模型G会由该高权限节点上传到区块链上。当然,D可以被上传到区块链,也可以存储在服务器中。
需要说明的是,本实施例中的模型G和D是可更新的,例如,当区块链中绘画信息等更新时,可以定期或根据数据更新程度对模型G和D进行更新。另外,更新得到的模型G或者G和D也可以存储于区块链中。
本公开实施例提供的个性化绘画作品生成方法的具体交易信息示例如下表1所示:
表1
本公开实施例提供的共享旅居养老互助联盟老年人智能绘画生成模型(即生成网络G,也即生成式的模型G)存储在区块链中的数据结构示例如下表2所示:
表2
本公开实施方式提供的个性化绘画作品生成方法,可以基于目标对象的绘画偏好信息,从而可以根据该目标对象的绘画偏好信息搜索该目标对象喜爱或者感兴趣的目标绘画作品,并进而可以基于该目标绘画作品并利用生成式对抗网络自动生成针对该目标对象的个性化绘画作品,实现了个性化绘画作品的自动化生成,提高了个性化绘画作品的个性化和准确性。
在另一些实施例中,还可以通过利用区块链技术来存储目标对象的绘画信息,可以实现去中心化的存储方式,具有隐私保护、可追溯、防篡改等特点,保证了存储的数据的安全性和可靠性,从而可以防止个性化绘画作品生成过程中用户数据的信息泄露,提高了生成个性化绘画作品的安全性和准确性。
图2示意性示出了根据本公开的另一个实施例的个性化绘画作品生成方法的流程图。
如图2所示,与上述图1所示实施例的不同之处在于,本公开实施例提供的个性化绘画作品生成方法还可以包括以下步骤。
在步骤S210中,根据所述目标对象对所述个性化绘画作品的反馈信息调整所述生成式对抗网络的参数。
在步骤S220中,在区块链中存储所述反馈信息。
当然,应理解,反馈信息也可以存储在其他数据库中。
本公开实施例,还可以评估共享旅居养老互助联盟老年人智能绘画信息共享和管理系统的及时性、有效性和准确性,可以基于共享旅居养老互助联盟老年人客户对智能绘画工具的反馈和个人绘画作品的艺术表达的喜好习惯等随机抽样和动态组合的智能分析方法,不断调整和优化系统参数,以期通过在区块链网络中有效实现共享旅居养老互助联盟老年人智能绘画信息共享和管理,从而有力促进区块链技术应用在共享旅居养老互助联盟老年人智能绘画信息共享和管理方面。
本公开实施方式提供的个性化绘画作品生成方法,两个或多个养老互助联盟机构在客户旅居养老方面互相提供居住、护理医疗、娱乐、艺术等服务,在系统中注册的企业或者个人可以将相关共享旅居养老互助联盟的老年人智能绘画信息共享和管理案例、、老年人绘画作品信息、老年人对智能绘画的工具的反馈信息(名画欣赏、色彩选择、逼真性、算法选择等)、老年人对绘画主题选择信息(年代感、怀旧情感的绘画艺术表达等)等共享旅居养老互助联盟的老年人智能绘画信息共享和管理更新信息上传到区块链,可以证明相关材料的音频、视频、图像等相关材料也可以上传至区块链,根据区块链存储的共享旅居养老互助联盟老年人智能绘画信息共享和管理信息等隐私保护(权限管理、加水印、加密等)、公开透明、可追溯、不易篡改等特点,本公开实施例提出了基于共享旅居养老互助联盟老年人客户对智能绘画工具的反馈和个人绘画作品的艺术表达的喜好习惯等动态组合的智能分析方法,系统自动智能组合老年人个性化绘画的艺术表达成分并生成个性化的绘画作品,有力促进区块链技术应用在共享旅居养老互助联盟老年人智能绘画信息共享和管理方面。随着区块链技术在共享旅居养老互助联盟老年人智能绘画信息共享和管理、医疗、养老、保险、金融、物流等多个领域的广泛应用,该方案将带来可观的经济效益和社会效益。
以下介绍本公开的装置实施例,可以用于执行本公开上述的个性化绘画作品生成方法。
图3示意性示出了根据本公开的一个实施例的个性化绘画作品生成装置的框图。
如图3所示,本公开实施方式提供的个性化绘画作品生成装置300可以包括获取模块310、检索模块320以及生成模块330。
其中,获取模块310可以用于获取目标对象的绘画偏好信息。
检索模块320可以用于根据所述绘画偏好信息检索目标绘画作品。
生成模块330可以用于将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
在示例性实施例中,所述生成式对抗网络可以包括判别器和生成器。其中,生成模块330可以配置为执行以下步骤:步骤1、将所述目标绘画作品和所述生成器输出的生成数据集输入至所述判别器以输出判断结果,根据第一目标函数和所述判断结果训练所述判别器;步骤2、将随机初始化向量输入至所述生成器以输出所述生成数据集,根据第二目标函数训练所述生成器;步骤3、循环执行所述步骤1和2,经过预设次数的参数迭代,所述生成器生成与所述目标绘画作品具有相同分布的图像作为所述个性化绘画作品。
在示例性实施例中,所述判别器和所述生成器均可以为4层卷积神经网络网格结构。
在示例性实施例中,个性化绘画作品生成装置300还可以包括:信息存储模块,可以配置为在区块链中存储所述目标对象的绘画信息;从所述区块链的绘画信息中提取所述目标对象的绘画偏好信息;或者,将所述目标对象的绘画偏好信息存储于所述区块链中。
在示例性实施例中,个性化绘画作品生成装置300还可以包括:参数调整模块,所述参数调整模块可以用于根据所述目标对象对所述个性化绘画作品的反馈信息调整所述生成式对抗网络的参数。
在示例性实施例中,个性化绘画作品生成装置300还可以包括:反馈信息存储模块,所述反馈信息存储模块可以用于在区块链中存储所述反馈信息。
在示例性实施例中,所述绘画偏好信息可以包括所述目标对象偏好的绘画风格、绘画主题和绘画色彩等中的任意一种或者多种。
在示例性实施例中,所述绘画风格可以包括文艺复兴风格、巴洛克风格、印象派风格、表现主义风格等中的任意一种或者多种,所述绘画主题可以包括风景主题、人物主题、花卉主题等中的任意一种或者多种。
由于本公开的示例实施例的个性化绘画作品生成装置的各个功能模块与上述个性化绘画作品生成方法的示例实施例的步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的个性化绘画作品生成方法的实施例。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分407加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分407。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块也可以设置在处理器中。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的个性化绘画作品生成方法。
例如,所述的电子设备可以实现如图1中所示的:步骤S110,获取所述目标对象的绘画偏好信息;步骤S120,根据所述绘画偏好信息检索目标绘画作品;步骤S130,将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
又如,所述的电子设备可以实现如图2所示的各个步骤。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元或者子单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元或者子单元的特征和功能可以在一个模块或者单元或者子单元中具体化。反之,上文描述的一个模块或者单元或者子单元的特征和功能可以进一步划分为由多个模块或者单元或者子单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种个性化绘画作品生成方法,其特征在于,包括:
获取目标对象的绘画偏好信息;
根据所述绘画偏好信息检索目标绘画作品;
将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
2.根据权利要求1所述的方法,其特征在于,所述生成式对抗网络包括判别器和生成器;其中,将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品,包括:
步骤1、将所述目标绘画作品和所述生成器输出的生成数据集输入至所述判别器以输出判断结果,根据第一目标函数和所述判断结果训练所述判别器;
步骤2、将随机初始化向量输入至所述生成器以输出所述生成数据集,根据第二目标函数训练所述生成器;
步骤3、循环执行所述步骤1和2,经过预设次数的参数迭代,所述生成器生成与所述目标绘画作品具有相同分布的图像作为所述个性化绘画作品。
3.根据权利要求2所述的方法,其特征在于,所述判别器和所述生成器均为4层卷积神经网络网格结构。
4.根据权利要求1所述的方法,其特征在于,还包括:
在区块链中存储所述目标对象的绘画信息;
从所述区块链的绘画信息中提取所述目标对象的绘画偏好信息;或者,
将所述目标对象的绘画偏好信息存储于所述区块链中。
5.根据权利要求1所述的方法,其特征在于,还包括:
根据所述目标对象对所述个性化绘画作品的反馈信息调整所述生成式对抗网络的参数。
6.根据权利要求5所述的方法,其特征在于,还包括:
在区块链中存储所述反馈信息。
7.根据权利要求1所述的方法,其特征在于,所述绘画偏好信息包括所述目标对象偏好的绘画风格、绘画主题和绘画色彩中的任意一种或者多种。
8.一种个性化绘画作品生成装置,其特征在于,包括:
获取模块,用于获取目标对象的绘画偏好信息;
检索模块,用于根据所述绘画偏好信息检索目标绘画作品;
生成模块,用于将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的个性化绘画作品生成方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的个性化绘画作品生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712264.2A CN110428480A (zh) | 2019-08-02 | 2019-08-02 | 个性化绘画作品生成方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712264.2A CN110428480A (zh) | 2019-08-02 | 2019-08-02 | 个性化绘画作品生成方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428480A true CN110428480A (zh) | 2019-11-08 |
Family
ID=68412348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910712264.2A Pending CN110428480A (zh) | 2019-08-02 | 2019-08-02 | 个性化绘画作品生成方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428480A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021100118A1 (ja) * | 2019-11-19 | 2021-11-25 | double jump.tokyo株式会社 | 契約処理方法、及び契約処理システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122264A (zh) * | 2016-11-28 | 2018-06-05 | 奥多比公司 | 促进草图到绘画变换 |
US20180204121A1 (en) * | 2017-01-17 | 2018-07-19 | Baidu Online Network Technology (Beijing) Co., Ltd | Audio processing method and apparatus based on artificial intelligence |
CN109657156A (zh) * | 2019-01-22 | 2019-04-19 | 杭州师范大学 | 一种基于循环生成对抗网络的个性化推荐方法 |
CN109712203A (zh) * | 2018-12-29 | 2019-05-03 | 福建帝视信息科技有限公司 | 一种基于自注意力生成对抗网络的图像着色方法 |
CN109981787A (zh) * | 2019-04-03 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 用于展示信息的方法和装置 |
-
2019
- 2019-08-02 CN CN201910712264.2A patent/CN110428480A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122264A (zh) * | 2016-11-28 | 2018-06-05 | 奥多比公司 | 促进草图到绘画变换 |
US20180204121A1 (en) * | 2017-01-17 | 2018-07-19 | Baidu Online Network Technology (Beijing) Co., Ltd | Audio processing method and apparatus based on artificial intelligence |
CN109712203A (zh) * | 2018-12-29 | 2019-05-03 | 福建帝视信息科技有限公司 | 一种基于自注意力生成对抗网络的图像着色方法 |
CN109657156A (zh) * | 2019-01-22 | 2019-04-19 | 杭州师范大学 | 一种基于循环生成对抗网络的个性化推荐方法 |
CN109981787A (zh) * | 2019-04-03 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 用于展示信息的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021100118A1 (ja) * | 2019-11-19 | 2021-11-25 | double jump.tokyo株式会社 | 契約処理方法、及び契約処理システム |
JP7191974B2 (ja) | 2019-11-19 | 2022-12-19 | double jump.tokyo株式会社 | 契約処理方法、契約処理システム、及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grabher et al. | Disruption, embedded. A Polanyian framing of the platform economy | |
CN110796190B (zh) | 具有深度学习特征的指数建模 | |
CN110197099A (zh) | 跨年龄人脸识别及其模型训练的方法和装置 | |
CN107871166A (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
Frey et al. | " This Place Does What It Was Built For" Designing Digital Institutions for Participatory Change | |
Sivasankar | Study of blockchain technology, AI and digital networking in metaverse | |
Ferrari et al. | Hyperproduction: A social theory of deep generative models | |
CN110276301A (zh) | 人脸识别方法、装置、介质及电子设备 | |
CN108008942A (zh) | 对数据记录进行处理的方法及系统 | |
Iba et al. | Practical applications of evolutionary computation to financial engineering | |
KR102551004B1 (ko) | 현실 세계를 모델링한 가상현실에서 사용자들이 생성한 컨텐츠를 nft 방식으로 디지털 자산화하고 거래하기 위한 플랫폼 서비스 시스템 및 방법 | |
Gibson | An essay on late structuralism | |
CN110428480A (zh) | 个性化绘画作品生成方法、装置、介质及电子设备 | |
Bernard et al. | Evolutionary algorithms for convolutional neural network visualisation | |
Nourmohammadi-Khiarak et al. | Combined multi-agent method to control inter-department common events collision for university courses timetabling | |
Liu et al. | Recognition of digital twin city from the perspective of complex system theory: Lessons from Chinese practice | |
Xia et al. | Research on UI Design and Optimization of Digital Media Based on Artificial Intelligence | |
Murala et al. | Artificial Intelligence in the Development of Metaverse | |
Koliba et al. | Using agent-based models to study network and collaborative governance | |
Li et al. | Research on interaction design based on artificial intelligence technology in a metaverse environment | |
Galli | Matching game mechanics and human computation tasks in games with a purpose | |
Drott | Streaming Music, Streaming Capital | |
Gil et al. | Analyzing the Metaverse: Computer Games, Blockchain, and 21st-Century Challenge | |
CN110222097A (zh) | 用于生成信息的方法和装置 | |
Li et al. | How to enrich metaverse? Blockchains, AI, and Digital Twin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191108 |