CN111833235A - 图像转换方法及装置 - Google Patents
图像转换方法及装置 Download PDFInfo
- Publication number
- CN111833235A CN111833235A CN201910319719.4A CN201910319719A CN111833235A CN 111833235 A CN111833235 A CN 111833235A CN 201910319719 A CN201910319719 A CN 201910319719A CN 111833235 A CN111833235 A CN 111833235A
- Authority
- CN
- China
- Prior art keywords
- image
- network
- conversion
- condition vector
- description text
- 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.)
- Granted
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 125000004122 cyclic group Chemical group 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 13
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 101000737997 Zea mays Chalcone synthase WHP1 Proteins 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 240000005926 Hamelia patens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011049 pearl Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开涉及图像处理技术领域,具体涉及一种图像转换方法、图像转换装置、一种存储介质以及一种计算机系统。所述方法包括:获取待处理图像及对应的描述文本;对所述描述文本进行预处理以获取对应的条件向量;将所述待处理图像与所述条件向量输入已训练的循环生成‑对抗网络模型,以获取基于所述描述文本转换的输出图像。本公开能够有效的根据描述文本中的特征对图像风格转化进行控制。进而实现准确的控制图像转化后的内容及属性。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及一种图像转换方法、图像转换装置、一种存储介质以及一种计算机系统。
背景技术
图像转换是近年来新起的一个研究问题,图像转换是指依据用户或系统的需求,通过计算机将待处理图像的颜色、纹理等特征转换成任意参考风格图像的风格。
现有技术中在进行图像转换时一般采用基于深度学习的GAN(GenerativeAdversarial Networks,生成-对抗网络)算法,或CycleGAN算法(Cycle GenerativeAdversarial Networks,循环生成-对抗网络)。但其均存在一定的缺点和不足。以CycleGAN算法为例,其只能实现从图像到图像,或者label和图像之间进行转换。转换后生成的图像的属性也是完全随机的,无法精确控制想要的生成图像中的内容和属性。
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
本公开的目的在于提供一种图像转换方法、图像转换装置、一种分布式日志数据处理系统、一种存储介质以及一种计算机系统,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的不能准确控制图像转换的内容及图像属性的情况。
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。
根据本公开的第一方面,提供一种图像转换方法,包括:
获取待处理图像及对应的描述文本;
对所述描述文本进行预处理以获取对应的条件向量;
将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
在本公开的一种示例性实施例中,所述对所述描述文本进行分词处理以获取对应的条件向量包括:
利用word2vector模型对所述描述文本进行处理以获取文本向量;
对所述文本向量进行归一化处理以获取对应的条件向量。
在本公开的一种示例性实施例中,
所述方法还包括:预先构建所述循环-对抗网络模型,包括:
获取第一风格的原始图像,及具有预期风格的第二风格图像、对应的描述文本;
对所述描述文本进行处理以获取对应的条件向量;
将所述原始图像输入第一生成网络以获取第一转化图像,并利用第一判别网络对所述第一转化图像进行约束训练;
利用第二生成网络对所述第一转化图像结合所述条件向量进行处理以获取第一重建图像,并利用第二判别网络结合所述条件向量对所述第一重建图像进行约束训练;以及
利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像,并利用第二判别网络结合所述条件向量对所述第二转化图像进行约束训练;
将所述第二转化图像输入所述第一生成网络以获取第二重建图像,并利用第一判别网络对所述第二重建图像进行约束训练。
在本公开的一种示例性实施例中,所述利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像包括:
对所述第二风格图像进行译码及采样以获取采样矩阵;
将所述采样矩阵与所述条件向量组合以获取图像特征;
利用残差网络对所述图像特征进行训练,并对训练结果进行上采样以生成第二转化图像。
在本公开的一种示例性实施例中,所述利用第二判别网络结合所述条件向量对所述第二转化图像进行约束训练包括:
对所述第二转化图像进行译码及采样以获取采样矩阵;
将所述采样矩阵与所述条件向量组合以获取图像特征;
根据该图像特征进行训练并输出所述第二转化图像的识别判别结果。
在本公开的一种示例性实施例中,所述第一生成网络、第二生成网络对应的损失函数相同,包括:
其中,G为第一生成网络,F为第二生成网络。
在本公开的一种示例性实施例中,所述第二判别网络的损失函数包括:
根据本公开的第二方面,提供一种图像转换装置,包括:
基础数据获取模块,用于获取待处理图像及对应的描述文本;
文本处理模块,用于对所述描述文本进行预处理以获取对应的条件向量;
图像转换模块,用于将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
根据本公开的第三方面,提供一种存储介质,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的图像转换方法。
根据本公开的第四方面,提供一种计算机系统,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述的图像转换方法。
本公开的一种实施例所提供的图像转换方法中,通过对描述文本进行处理获取对应的条件向量,在图像转换过程中将条件向量作为图像特征的一部分,并利用循环生成-对抗网络生成对应的图像;能够有效的根据描述文本中的特征对图像风格转化进行控制。进而实现准确的控制图像转化后的内容及属性。
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。
图1示意性示出本公开示例性实施例中一种图像转换方法的示意图;
图2示意性示出本公开示例性实施例中一种基于文本控制的循环生成-对抗网络模块的训练方法的示意图;
图3示意性示出本公开示例性实施例中一种生成网络结合条件向量处理图像的方法的示意图;
图4示意性示出本公开示例性实施例中一种图像的示意图;
图5示意性示出本公开示例性实施例中一种简化图像的示意图;
图6示意性示出本公开示例性实施例中一种图像转换装置的示意图;
图7示意性示出本公开示例性实施例中一种图像转换装置的另一种示意图;
图8示意性示出本公开示例性实施例中一种图像转换装置的再一种示意图。
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。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方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。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。
本示例实施方式中首先提供了一种图像转换方法,可以应用于对图像的风格、内容及参数、属性的转换,并利用描述文本对图像的转换内容进行控制。参考图1中所示,上述的图像转换方法可以包括以下步骤:
S1,获取待处理图像及对应的描述文本;
S2,对所述描述文本进行预处理以获取对应的条件向量;
S3,将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
本示例实施方式所提供的图像转换方法,一方面,通过对描述文本进行处理获取对应的条件向量,在图像转换过程中将条件向量作为图像特征的一部分,并利用循环生成-对抗网络生成对应的图像;能够有效的根据描述文本中的特征对图像风格转化进行控制。另一方面,可以通过描述文本实现准确的控制图像转化后的内容及属性。
下面,将结合附图及实施例对本示例实施方式中的图像转换方法的各个步骤进行更详细的说明。
步骤S1,获取待处理图像及对应的描述文本。
本示例实施方式中,上述的方法可以在服务器端或用户端执行。用户可以将需要进行风格转换的待处理图像,以及对应的描述文本输入终端设备中。举例来说,用户输入的图像可以是随机选取的图像,描述文本中可以包含对图像转换的要求;例如,“一只头部红色背部蓝色的鸟”,以及“红色的鲜花和黄色的树叶”等等。
步骤S2,对所述描述文本进行预处理以获取对应的条件向量。
本示例实施方式中,对于描述文本来说,可以先对其进行处理,获取对应的向量表达。具体可以包括:
步骤S201,利用word2vector模型对所述描述文本进行处理以获取文本向量;
步骤S202,对所述文本向量进行归一化处理以获取对应的条件向量。
通过word2vector模型对描述文本转换为一个固定长度的embedding(嵌入向量)。在提取嵌入向量之后,可以利用conditioning augmentation(调节增强)对提取的嵌入向量进行归一化处理,得到最终的条件向量。例如,从一个独立的高斯分布中采样随机变量,并添加至该嵌入向量中并进行正则化处理,以得到最终的条件向量。
步骤S3,将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
本示例实施方式中,可以预先构建基于文本控制的循环生成-对抗网络模型。将需要进行风格转换的待处理图像和描述文本或者对应的条件向量输入已训练的基于文本控制的循环生成-对抗网络模型中,便可以输出拥有描述文本控制内容的风格转换后的图像。
循环生成-对抗网络模型可以包括两个生成网络和两个判别网络。具体来说,参考图2所示,训练基于文本控制的循环生成-对抗网络模型可以包括:
步骤S301,获取第一风格的原始图像,及具有预期风格的第二风格图像、对应的描述文本。
本示例实施方式中,具体来说,可以根据图像风格转换的实际需求建立包含不同风格图像的训练数据集。例如,当图像风格转换需求是需要将任意图像转换为简化图像时,图像数据集可以包括一原始图像X,如图4所示;以及对应的简笔画处理或边缘提取处理后得到的标准简化图像Y,如图5所示;以及原始图像对应的文本描述,例如“This flower hasa white pollen tube,white stigma,purple petals,and purple anther and filament(此花有白色的花粉管,白色的柱头,紫色的花瓣,紫色的花药和细丝)”。其中,原始图像X与文本描述是一一对应的关系。简化图像可以是原始图像X对应的简化图像,也可以是其他的简化图像;即原始图像X与标准简化图像Y可以是成对的,也可以不是成对的。
或者,在本公开的其他示例性实施例中,当图像风格转换需求是需要将任意图像转换为油画风格图像、素描图像、或水彩图像时,训练图像集则可以包括一原始图像数据集,以及油画风格图像数据集、素描图像或水彩图像数据集。两种风格的图像数据集可以是成对的,也可以是不成对的。
步骤S302,对所述描述文本进行处理以获取对应的条件向量。
本示例实施方式中,可以通过word2vector模型对描述文本转换为一个固定长度的embedding(嵌入向量)。在提取embedding之后,可以conditioning augmentation(调节增强)对提取的embedding进行归一化处理,得到条件向量。
步骤S303,将所述原始图像输入第一生成网络以获取第一转化图像,并利用第一判别网络对所述第一转化图像进行约束训练。
本示例实施方式中,以原始图像X和标准简化图像Y为例,在循环生成-对抗网络中的第一部分,可以将原始图像X输入第一生成网络G中,从而获取由第一生成网络G生成的原始图像X对应的生成简化图像同时,还可以将标准简化图像Y、生成简化图像输入到第一判别网络DY中,对该生成简化图像进行约束训练,对其真假进行判别并输出判别结果。
步骤S304,利用第二生成网络对所述第一转化图像结合所述条件向量进行处理以获取第一重建图像,并利用第二判别网络结合所述条件向量对所述第一重建图像进行约束训练。
本示例实施方式中,上述的利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像,参考图3所示,具体可以包括:
步骤S3041,对所述第二风格图像进行译码及采样以获取采样矩阵;
步骤S3042,将所述采样矩阵与所述条件向量组合以获取图像特征;
步骤S3043,利用残差网络对所述图像特征进行训练,并对训练结果进行上采样以生成第二转化图像。
对于第二生成网络F来说,可以对生成简化图像进行下采样,如进行标准正态分布采样或者随机采样等,并将采样结果与条件特征进行组合从而获取图像特征矩阵,再利用残差网络进行处理,从而保持原有数据特征的有效性,最大限度的保证还原后图像的相似度。在经过残差网络处理后,对其进行上采样和编码,从而获取重建图像X’。
此外,还可以将重建图像X’和原始图像X输入到第二判别网络Dx中,利用第二判别网络Dx结合文本向量对重建图像X’进行约束训练,对其真假进行判别,并输出判别结果。
对于第二判别网络来说,可以对重建图像X’进行译码及下采样获取特征矩阵,并将该特征矩阵与所述条件向量进行叠加,利用生成的向量与原始图像X对应的特征向量进行对比,判断对应语义信息是否相同或相似,并输出判别结果。
步骤S305,利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像,并利用第二判别网络结合所述条件向量对所述第二转化图像进行约束训练。
本示例实施方式中,在循环生成-对抗网络中的第二部分,以原始图像X和标准简化图像Y为例,可以将标准简化图像Y作为输入,利用第二生成器F结合条件向量生成转化图像并将转化图像和原始图像X输入第二判别网络Dx中,利用第二判别网络Dx结合条件向量对转化图像进行判别。
步骤S306,将所述第二转化图像输入所述第一生成网络以获取第二重建图像,并利用第一判别网络对所述第二重建图像进行约束训练。
本示例实施方式中,在将转化图像输入第二判别网络Dx的同时,还可以将转化图像输入第一生成网络G中,利用第一生成网络G生成重建简化图像Y’。并将重建简化图像Y’和标准简化图像Y输入第一判别网络Dy中,对其进行判别。
在第一生成网络G和第二生成网络F中都、可以包含一个encoder/down-sampling(编码器/下采样),residual block(残差网络)和decoder/upsampling(解码器/上采样)。通过同时执行模型的第一部分和第二部分,并将描述文本对应的条件向量叠加到第二生成网络和第二判别网络中,实现对该基于文本控制的循环生成-对抗网络的训练。具体来说,模型的总目标函数可以包括:
对应的,第一判别网络DY的adversarial loss(对抗损失函数)包括:
第二判别网络Dx的adversarial loss(对抗损失函数)包括:
对应的第一生成网络G和第二生成网络F的Cycle consistency loss(循环一致性损失函数)包括:
其中的,perceptual loss(感知损失函数)为:
其中,X′=F(Y,Z)→X,φ是loss network(损失网络),可以采用例如是VGG16。j一个卷积层,φj(x)是一个大小为Cj*Hj*Wj的feature ma用的p(特征图)。是从φj(x)得到的一个大小为Cj*Hj*Wj的Gram matrix(格拉姆矩阵)。Frobenious为Frobenious norm(标准范数)。
以上述的原始图像X和标准简化图像Y为例,训练后的生成-对抗网络模型,可以将原始图像(第一风格图像)作为输入,获取对应的简化图像(预期风格的第二风格图像),如根据图4所示图像获取图5所示图像;或者,还可以将简化图像(预期风格的第二风格图像)和描述文本作为输入,获取对应的重建后的图像(第一风格图像);例如根据图5所示图像结合描述文本“This flower has a white pollen tube,white stigma,purple petals,andpurple anther and filament(此花有白色的花粉管,白色的柱头,紫色的花瓣,紫色的花药和细丝)”,生成图4所示图像。
通过设置描述文本的和原始图像X是成对的一一对应的关系。使得相同的描述文本用来作为模型两个过程的条件(上述实施例中第一部分从原始图像X到生成生成简化图像再生成重建图像X’,和第二部分从不同的简化图像生成转化图像再生成重建简化图像Y’),由于使用同一个文本进行控制,使得图像Y^到图像X'和从图像Y到图像X^的两个过程中生成的X'和X^具有相似的内容和style(风格)。并通过利用perceptual loss(对抗损失函数)来保证high-level的特征相似。本公开提供的方法,在对图像进行风格转换时,能够在描述文本的控制下对预期生成图像的内容、局部特征以及颜色等参数或属性数据进行有效的控制,进而能够准确的获取期望获取的图像。
需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图6所示,本示例的实施方式中还提供了一种图像转换装置40,包括:基础数据获取模块401、文本处理模块402以及图像转换模块403。其中:
所述基础数据获取模块401可以用于获取待处理图像及对应的描述文本。
所述文本处理模块402可以用于对所述描述文本进行预处理以获取对应的条件向量。
所述图像转换模块403可以与用于将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
上述的图像转换装置中各模块的具体细节已经在对应的图像转换方法中进行了详细的描述,因此此处不再赘述。
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,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的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者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来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的计算机系统。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的计算机系统600。图7显示的计算机系统600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统600以通用计算设备的形式表现。计算机系统600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤S1:获取待处理图像及对应的描述文本;S2:对所述描述文本进行预处理以获取对应的条件向量;S3:将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
计算机系统600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该计算机系统600交互的设备通信,和/或与使得该计算机系统600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,计算机系统600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与计算机系统600的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
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、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
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他实施例。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。
Claims (10)
1.一种图像转换方法,其特征在于,包括:
获取待处理图像及对应的描述文本;
对所述描述文本进行预处理以获取对应的条件向量;
将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述描述文本进行分词处理以获取对应的条件向量包括:
利用word2vector模型对所述描述文本进行处理以获取文本向量;
对所述文本向量进行归一化处理以获取对应的条件向量。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:预先构建所述循环-对抗网络模型,包括:
获取第一风格的原始图像,及具有预期风格的第二风格图像、对应的描述文本;
对所述描述文本进行处理以获取对应的条件向量;
将所述原始图像输入第一生成网络以获取第一转化图像,并利用第一判别网络对所述第一转化图像进行约束训练;
利用第二生成网络对所述第一转化图像结合所述条件向量进行处理以获取第一重建图像,并利用第二判别网络结合所述条件向量对所述第一重建图像进行约束训练;以及
利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像,并利用第二判别网络结合所述条件向量对所述第二转化图像进行约束训练;
将所述第二转化图像输入所述第一生成网络以获取第二重建图像,并利用第一判别网络对所述第二重建图像进行约束训练。
4.根据权利要求3所述的方法,其特征在于,所述利用第二生成网络结合所述条件向量对所述第二风格图像进行处理以获取第二转化图像包括:
对所述第二风格图像进行译码及采样以获取采样矩阵;
将所述采样矩阵与所述条件向量组合以获取图像特征;
利用残差网络对所述图像特征进行训练,并对训练结果进行上采样以生成第二转化图像。
5.根据权利要求3所述的方法,其特征在于,所述利用第二判别网络结合所述条件向量对所述第二转化图像进行约束训练包括:
对所述第二转化图像进行译码及采样以获取采样矩阵;
将所述采样矩阵与所述条件向量组合以获取图像特征;
根据该图像特征进行训练并输出所述第二转化图像的识别判别结果。
8.一种图像转换装置,其特征在于,包括:
基础数据获取模块,用于获取待处理图像及对应的描述文本;
文本处理模块,用于对所述描述文本进行预处理以获取对应的条件向量;
图像转换模块,用于将所述待处理图像与所述条件向量输入已训练的循环生成-对抗网络模型,以获取基于所述描述文本转换的输出图像。
9.一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现根据权利要求1至7中任一项所述的图像转换方法。
10.一种计算机系统,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的图像转换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319719.4A CN111833235B (zh) | 2019-04-19 | 2019-04-19 | 图像转换方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319719.4A CN111833235B (zh) | 2019-04-19 | 2019-04-19 | 图像转换方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111833235A true CN111833235A (zh) | 2020-10-27 |
CN111833235B CN111833235B (zh) | 2024-01-16 |
Family
ID=72911418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319719.4A Active CN111833235B (zh) | 2019-04-19 | 2019-04-19 | 图像转换方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833235B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578367A (zh) * | 2017-04-25 | 2018-01-12 | 北京陌上花科技有限公司 | 一种风格化图像的生成方法及装置 |
CN108615073A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
US20180293712A1 (en) * | 2017-04-06 | 2018-10-11 | Pixar | Denoising monte carlo renderings using generative adversarial neural networks |
CN109146825A (zh) * | 2018-10-12 | 2019-01-04 | 深圳美图创新科技有限公司 | 摄影风格转换方法、装置及可读存储介质 |
CN109147010A (zh) * | 2018-08-22 | 2019-01-04 | 广东工业大学 | 带属性人脸图像生成方法、装置、系统及可读存储介质 |
CN109543159A (zh) * | 2018-11-12 | 2019-03-29 | 南京德磐信息科技有限公司 | 一种文本生成图像方法及装置 |
-
2019
- 2019-04-19 CN CN201910319719.4A patent/CN111833235B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180293712A1 (en) * | 2017-04-06 | 2018-10-11 | Pixar | Denoising monte carlo renderings using generative adversarial neural networks |
CN107578367A (zh) * | 2017-04-25 | 2018-01-12 | 北京陌上花科技有限公司 | 一种风格化图像的生成方法及装置 |
CN108615073A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
CN109147010A (zh) * | 2018-08-22 | 2019-01-04 | 广东工业大学 | 带属性人脸图像生成方法、装置、系统及可读存储介质 |
CN109146825A (zh) * | 2018-10-12 | 2019-01-04 | 深圳美图创新科技有限公司 | 摄影风格转换方法、装置及可读存储介质 |
CN109543159A (zh) * | 2018-11-12 | 2019-03-29 | 南京德磐信息科技有限公司 | 一种文本生成图像方法及装置 |
Non-Patent Citations (2)
Title |
---|
WEI BAI, ET AL: "Image transformation using limited reference with application to photo-sketch synthesis", 2014 IEEE VISUAL COMMUNICATIONS AND IMAGE PROCESSING CONFERENCE * |
贾加;: "基于条件生成网络的图像转换算法研究", 电脑编程技巧与维护, no. 20 * |
Also Published As
Publication number | Publication date |
---|---|
CN111833235B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10824818B2 (en) | Systems and methods for machine learning-based multi-intent segmentation and classification | |
Perarnau et al. | Invertible conditional gans for image editing | |
JP6810283B2 (ja) | 画像処理装置及び方法 | |
CN110148085B (zh) | 人脸图像超分辨率重建方法及计算机可读取的存储介质 | |
WO2024051445A1 (zh) | 图像生成方法以及相关设备 | |
CN109559363B (zh) | 图像的风格化处理方法、装置、介质和电子设备 | |
US10789942B2 (en) | Word embedding system | |
US20200242507A1 (en) | Learning data-augmentation from unlabeled media | |
CN112950471A (zh) | 视频超分处理方法、装置、超分辨率重建模型、介质 | |
CN110046116B (zh) | 一种张量填充方法、装置、设备及存储介质 | |
DE102022102912A1 (de) | Pipelines für effizientes training und einsatz von modellen für maschinelles lernen | |
CN115375910B (zh) | 一种基于注意力机制的点云特征提取方法及装置 | |
JP2022161564A (ja) | テキスト画像の文字を認識する機械学習モデルを訓練するシステム | |
CN112766366A (zh) | 对抗生成网络的训练方法及其图像处理方法、装置 | |
CN116452706A (zh) | 演示文稿的图像生成方法及装置 | |
CN114529785A (zh) | 模型的训练方法、视频生成方法和装置、设备、介质 | |
KR20230102496A (ko) | 적대적 생성 신경망 기반의 자기 지도 학습형 판별자 네트워크를 이용한 텍스트 투 이미지 생성 장치 및 방법 | |
US20230394306A1 (en) | Multi-Modal Machine Learning Models with Improved Computational Efficiency Via Adaptive Tokenization and Fusion | |
CN111833235B (zh) | 图像转换方法及装置 | |
CN115810215A (zh) | 面部图像生成方法、装置、设备及存储介质 | |
US11670023B2 (en) | Artificial intelligence techniques for performing image editing operations inferred from natural language requests | |
EP3923199A1 (en) | Method and system for compressing a neural network | |
KR20180135616A (ko) | 딥 네트워크 구조 및 딥 러닝 기반 영상 인식 시스템 | |
CN112990123A (zh) | 图像处理方法、装置、计算机设备和介质 | |
US20240153259A1 (en) | Single image concept encoder for personalization using a pretrained diffusion model |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |