CN114612290B - 图像编辑模型的训练方法和图像编辑方法 - Google Patents

图像编辑模型的训练方法和图像编辑方法 Download PDF

Info

Publication number
CN114612290B
CN114612290B CN202210237623.5A CN202210237623A CN114612290B CN 114612290 B CN114612290 B CN 114612290B CN 202210237623 A CN202210237623 A CN 202210237623A CN 114612290 B CN114612290 B CN 114612290B
Authority
CN
China
Prior art keywords
image
text
vector
sample
image editing
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.)
Active
Application number
CN202210237623.5A
Other languages
English (en)
Other versions
CN114612290A (zh
Inventor
彭昊天
陈睿智
赵晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210237623.5A priority Critical patent/CN114612290B/zh
Publication of CN114612290A publication Critical patent/CN114612290A/zh
Priority to JP2022130879A priority patent/JP2022172173A/ja
Priority to KR1020220132035A priority patent/KR20220147545A/ko
Priority to US18/054,711 priority patent/US20230071661A1/en
Application granted granted Critical
Publication of CN114612290B publication Critical patent/CN114612290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/004—Annotating, labelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开提供了一种图像编辑模型的训练方法、图像编辑方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于图像编辑等场景。具体实现方案为：获取训练样本集；执行以下训练步骤：从训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和偏值向量，确定图像方向向量；基于文本方向向量与图像方向向量计算损失值；响应于损失值满足阈值条件，确定图像编辑模型训练完成。提高了图像编辑效率。

Description

图像编辑模型的训练方法和图像编辑方法
技术领域
本公开涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于图像编辑等场景，尤其涉及一种图像编辑模型的训练方法、图像编辑方法、装置、设备、存储介质以及计算机程序产品。
背景技术
图像编辑模型可以基于输入的描述文本和待编辑图像，对待编辑图像进行编辑，生成与描述文本对应的目标图像，其中，描述文本是用于描述目标图像特征的文字表述，例如，待编辑图像是一个情绪高兴的人脸图像，描述文本可以是“情绪为伤心”，将描述文本和待编辑图像输入到图像编辑模型，输出一个伤心的人脸图像。目前一个图像编辑模型只能接受一个固定的描述文本，当有多个描述文本时，图像编辑难度大，成本高，灵活性不足。
发明内容
本公开提供了一种图像编辑模型的训练方法、图像编辑方法、装置、设备、存储介质以及计算机程序产品，提高了图像编辑的效率。
根据本公开的一方面，提供了一种图像编辑模型的训练方法，包括：获取训练样本集，其中，训练样本包括描述文本样本和图像样本；执行以下训练步骤：从训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和偏值向量，确定图像方向向量；基于文本方向向量与图像方向向量计算损失值；响应于损失值满足阈值条件，确定图像编辑模型训练完成。
根据本公开的另一方面，提供了一种图像编辑方法，包括：接收图像编辑请求，图像编辑请求包括待编辑图像和描述文本；将描述文本和待编辑图像输入到图像编辑模型中，生成与描述文本对应的目标图像。
根据本公开的又一方面，提供了一种图像编辑模型的训练装置，包括：获取模块，被配置为获取训练样本集，其中，训练样本包括描述文本样本和图像样本；训练模块，被配置为执行以下训练步骤：从训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和偏值向量，确定图像方向向量；基于文本方向向量与图像方向向量计算损失值；响应于损失值满足阈值条件，确定图像编辑模型训练完成。
根据本公开的又一方面，提供了一种图像编辑装置，包括：接收模块，被配置为接收图像编辑请求，图像编辑请求包括待编辑图像和描述文本；生成模块，被配置为将描述文本和待编辑图像输入到图像编辑模型中，生成与描述文本对应的目标图像。
根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述图像编辑模型的训练方法及图像编辑方法。
根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行上述图像编辑模型的训练方法及图像编辑方法。
根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现上述图像编辑模型的训练方法及图像编辑方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开的图像编辑模型的训练方法的一个实施例的流程图；
图3是根据本公开的图像编辑模型的训练方法的另一个实施例的流程图；
图4是根据本公开的图像编辑模型的训练方法的一个示意图；
图5是根据本公开的图像编辑方法的一个实施例的流程图；
图6是根据本公开的图像编辑方法的一个效果示意图；
图7是根据本公开的图像编辑模型的训练装置的一个实施例的结构示意图；
图8是根据本公开的图像编辑装置的一个实施例的结构示意图；
图9是用来实现本公开实施例的图像编辑模型的训练方法或图像编辑方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的图像编辑模型的训练方法或图像编辑方法或图像编辑模型的训练装置或图像编辑装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以获取图像编辑模型或编辑图像等。终端设备101、102、103上可以安装有各种客户端应用，例如文本图像处理应用等等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种基于确定图像编辑模型或编辑图像的服务。例如，服务器105可以对从终端设备101、102、103获取到的文本和图像进行分析和处理，并生成处理结果(例如确定出与文本对应的编辑图像等)。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的图像编辑模型的训练方法或图像编辑方法一般由服务器105执行，相应地，图像编辑模型的训练装置或图像编辑装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的图像编辑模型的训练方法的一个实施例的流程200。该图像编辑模型的训练方法包括以下步骤：
步骤201、获取训练样本集，其中，训练样本包括描述文本样本和图像样本。
在本实施例中，图像编辑模型的训练方法的执行主体(例如图1所示的服务器105)可以获取训练样本集。其中，执行主体可以从公开的数据库中获取存储于其中的现有的样本集，也可以通过终端设备(例如图1所示的终端设备101、102、103)来收集样本，这样，执行主体可以接收终端设备所收集的样本，并将这些样本存储在本地，从而生成训练样本集。
训练样本集中可以包括至少一个样本。其中，样本可以包括描述文本样本和图像样本。描述文本样本是用于描述编辑后的图像的特征的文本，示例性的，描述文本可以是用于描述编辑后的人脸图像的面部器官特征的文本，也可以是描述编辑后的人脸图像的人物情绪的文本，例如，描述文本的内容是长卷发、大眼睛、白皮肤、长睫毛。图像样本可以是动物图像，可以是植物图像，也可以是人脸图像，本公开对此不做限定。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在本实施例的一些可选实现方式中，可以获取多篇带有配图的文章，从一篇文章中获取一幅配图，作为一个图像样本，获取描述该幅配图的文字，从中提取多个关键词，作为与该幅配图对应的描述文本样本，以此得到多个图像样本和对应的多个描述文本样本，形成训练样本集。
步骤202、从训练样本集中选取一个描述文本样本和一个图像样本。
在本实施例中，上述执行主体在获取训练样本集后，可以从训练样本集中选取一个描述文本样本和一个图像样本。具体地，可以从训练样本集中随机选取一个描述文本样本和一个图像样本，也可以先从训练样本集中随机选取一个图像样本，再从训练样本集中找到与该图像样本有对应关系的描述文本样本，本公开对此不做限定。
步骤203、基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量。
在本实施例中，上述执行主体可以基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量。其中，文本模板可以是与描述文本样本实际想表达的文字含义相关的短语，也可以是相关的一个句子，也可以是相关的一段文字，本公开对此不做限定。文本模板的数量可以是一个，也可以是多个。具体地，可以预先获取描述文本样本实际想表达的文字含义，然后获取文字含义适用的场景，或者获取文字含义适用形容的物体名称，将适用的场景或适用形容的物体名称作为文本模板，也可以在获取适用的场景或适用形容的物体名称后，再对适用场景或适用形容的物体进行详细的描述，扩展成一段话，作为文本模板。示例性的，描述文本样本为美丽，描述文本样本实际想表达的文字含义是形容一个图片是美丽的，进一步的，可以将一张照片、一幅画、一个图像作为文本模板。使用文本模板可以在提取描述文本样本的特征时，提供一个上下文环境供参考，使提取的描述文本样本的特征更准确，从而提高文本方向向量的准确率，同时，使用的文本模板越多，获取的文本方向向量更准确，示例性的，可以基于预先确定的30-40个文本模板来确定文本方向向量。
具体地，可以将选取的描述文本样本和预先确定的文本模板作为输入数据，分别输入到一个方向向量确定模型中，从方向向量确定模型的输出端，输出与描述文本样本对应的文本方向向量，其中，文本方向向量代表了描述文本样本的文本特征，代表在特征空间的一个方向。
在本实施例的一些可选实现方式中，可以将选取的描述文本样本分别与每一个文本模板进行相加，得到多个拼接描述文本样本，将多个拼接描述文本样本输入到另一个方向向量确定模型中，从方向向量确定模型的输出端，输出与描述文本样本对应的文本方向向量。
步骤204、将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量。
在本实施例中，上述执行主体在得到文本方向向量后，可以将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量。其中，文本方向向量是一个1*n维的向量，偏值向量是对文本方向向量进行变形，生成的一个m*n维的向量，偏值向量和文本方向向量都是表示描述文本样本的文本特征的向量，只是形式不同。图像编辑模型的映射网络是用于将一个1*n维的向量映射为一个m*n维的向量的网络，其中，m、n均为大于1的自然数。具体地，可以将文本方向向量作为输入数据，输入到图像编辑模型的映射网络中，从映射网络的输出端，输出对应的偏值向量。
步骤205、基于选取的图像样本和偏值向量，确定图像方向向量。
在本实施例中，上述执行主体在得到偏值向量后，可以基于选取的图像样本和偏值向量，确定图像方向向量。具体地，可以先获取图像样本对应的图像向量，然后将图像向量与偏值向量进行相加，得到一个新的图像向量，将新的图像向量作为输入数据，输入到一个图像方向向量生成模型中，从图像方向向量生成模型的输出端，输出对应的图像方向向量。
步骤206、基于文本方向向量与图像方向向量计算损失值。
在本实施例中，上述执行主体在得到文本方向向量与图像方向向量后，可以基于文本方向向量与图像方向向量计算损失值。具体地，可以计算文本方向向量与图像方向向量的相似度，作为计算得到的损失值。
基于该损失值可以判断图像样本的变化与描述文本样本是否同向，以此衡量图像编辑模型的映射网络是否训练完成。
步骤207、响应于损失值满足阈值条件，确定图像编辑模型训练完成。
在本实施例中，上述执行主体在得到损失值后，可以基于损失值判断图像编辑模型是否训练完成。其中，阈值条件可以是预先设置的一个阈值，示例性的，阈值条件为80％，将计算得到的损失值与阈值条件进行比较，若损失值满足阈值条件，示例性的，损失值大于80％，则确定图像编辑模型训练完成。
步骤208、响应于损失值不满足阈值条件，调整图像编辑模型的参数，继续训练。
在本实施例中，上述执行主体若判断损失值不满足阈值条件，示例性的，损失值小于等于80％，则确定图像编辑模型未训练完成，调整图像编辑模型的映射网络的各层的参数，并从训练样本集中重新选取一个描述文本样本和一个图像样本，继续训练。其中，选取描述文本样本和图像样本的具体操作已在步骤202进行了详细的介绍，在此不再赘述。
本公开实施例提供的图像编辑模型的训练方法，首先获取训练样本集，然后执行以下训练步骤：从训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和偏值向量，确定图像方向向量；基于文本方向向量与图像方向向量计算损失值；响应于损失值满足阈值条件，确定图像编辑模型训练完成。基于上述训练方法得到的图像编辑模型可以处理任一描述文本，提高了图像编辑的效率。
进一步继续参考图3，其示出了根据本公开的图像编辑模型的训练方法的另一个实施例的流程300。该图像编辑模型的训练方法包括以下步骤：
步骤301、获取训练样本集，其中，训练样本包括描述文本样本和图像样本。
步骤302、从训练样本集中选取一个描述文本样本和一个图像样本。
在本实施例中，步骤301-302具体操作已在图2所示的实施例中步骤201-202进行了详细的介绍，在此不再赘述。
步骤303、基于选取的描述文本样本与文本模板，得到补充文本样本。
在本实施例中，上述执行主体在得到描述文本样本后，可以基于描述文本样本得到补充文本样本。需要说明的是，本实施例可以以描述文本样本和图像样本作为输入数据，输入到图像编辑模型中，基于图像编辑模型获取各个中间变量，并基于图像编辑模型的计算结果来对图像编辑模型进行训练。图像编辑模型可以包括文本转换网络、映射网络、图像转换网络、向量生成网络和图像生成网络，其中，文本转换网络可以以一个文本为输入，输出对应于该文本的一个1*512维的向量，示例性的，文本转换网络可以是CLIP(ContrastiveLanguage-Image Pre-training)文本编码网络，映射网络可以以一个1*512维的向量为输入，输出对应的一个18*512维的向量，示例性的，映射网络可以是MLP(Multi-layerPerceptron)网络，向量生成网络可以以一幅图像为输入，输出对应于该图像的一个18*512维的向量，示例性的，向量生成网络可以是e4e(encoder4editing)网络，图像生成网络可以以一个18*512维的向量为输入，输出对应于该向量的一幅图像，示例性的，图像生成网络可以是StyleGAN(基于样式的生成性对抗网络)网络，图像转换网络可以以一幅图像为输入，输出对应于该图像的一个1*512维的向量，示例性的，图像转换网络可以是CLIP(Contrastive Language-Image Pre-training)图像编码网络。
具体地，将描述文本样本输入到图像编辑模型之后，首先会对描述文本样本进行预处理，可以获取图像编辑模型中的文本模板，文本模板是预先存储在图像编辑模型中的，文本模板可以是一个，也可以是多个，示例性的，文本模板为“一张()照片”、“一幅()画”、“一个()图像”。然后将选取的描述文本样本分别嵌入到每一个文本模板中，每一个文本模板都预留了一个插入标识，用于表示可以在该位置插入文字，示例性的，用括号作为插入标识，可以先确定每个文本模板中的插入标识，然后将选取的描述文本样本替换该插入标识，生成一个补充文本样本，以此类推，获取与文本模板数量相同的补充文本样本，示例性的，选取的描述文本样本为“美丽”，生成的补充文本样本为“一张美丽照片”、“一幅美丽画”、“一个美丽图像”。
步骤304、将文本模板和补充文本样本分别输入到文本转换网络中，得到模板文本向量和补充文本向量。
在本实施例中，上述执行主体在得到补充文本样本后，可以生成文本模板对应的模板文本向量和补充文本样本对应的补充文本向量。具体地，可以以文本模板作为输入数据，输入到图像编辑模型的文本转换网络中，从文本转换网络的输出端，输出与文本模板对应的模板文本向量，其中，模板文本向量与输入的文本模板的数量相同，每个模板文本向量都是一个1*512维的向量。得到模板文本向量之后，可以再以补充文本样本作为输入数据，输入到图像编辑模型的文本转换网络中，从文本转换网络的输出端，输出与补充文本样本对应的补充文本向量，其中，补充文本向量与模板文本向量的数量相同，每个补充文本向量都是一个1*512维的向量。
步骤305、基于模板文本向量和补充文本向量，计算文本方向向量。
在本实施例中，上述执行主体在得到模板文本向量和补充文本向量之后，可以基于模板文本向量和补充文本向量，计算文本方向向量。具体地，可以按照如下公式计算得到文本方向向量：
其中，Yt表示文本方向向量，i为第i个文本模板或第i个补充文本样本，C(Txi)表示第i个补充文本向量，C(Ti)表示第i个模板文本向量，n为一共有n个文本模板或补充文本样本。
步骤306、将文本方向向量输入到映射网络的全连接层中，得到重构方向向量。
在本实施例中，上述执行主体在得到文本方向向量后，可以将文本方向向量输入到映射网络的全连接层中，得到重构方向向量。需要说明的是，图像编辑模型的映射网络包括全连接层和映射层，其中，全连接层可以以一个1*512维的向量为输入，输出对应的一个18*512维的向量，映射层可以以一个18*512维的向量为输入，输出对应的一个经过映射的18*512维的向量。
具体地，文本方向向量是一个1*512维的向量，可以将文本方向向量作为输入数据，输入到图像编辑模型的映射网络的全连接层中，从全连接层的输出端，输出与文本方向向量对应的一个18*512维的向量，其中，输出的18*512维的向量即重构方向向量，重构方向向量与文本方向向量只是向量维度不同，但在向量空间都代表同一个向量方向。
步骤307、将重构方向向量输入到映射网络的映射层中，得到偏值向量。
在本实施例中，上述执行主体在得到重构方向向量后，可以将重构方向向量输入到映射网络的映射层中，得到偏值向量。具体地，可以将重构方向向量作为输入数据，输入到图像编辑模型的映射网络的映射层中，从映射层的输出端，输出与重构方向向量对应的一个经过映射的18*512维的向量，其中，输出的18*512维的向量即偏值向量。
重构方向向量有18层，映射层可以将重构方向向量的0-3层定义为粗糙层，将4-7层定义为中间层，将8-17层定义为精细层，得到偏值向量。示例性的，描述文本样本是用于描述人脸特征的文本，则得到的偏值向量也是用于描述人脸特征的向量，则偏值向量的粗糙层主要用于控制姿势、头发、脸型等特征，中间层主要用于控制眼睛等面部特征，精细层主要用于控制配色。粗糙层和中间层对人脸特征的影响较大，精细层对人脸特征的影响不明显，因此，本实施例可以只关注粗糙层和中间层的特征。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
步骤308、将选取的图像样本输入到向量生成网络中，得到基础图像向量。
在本实施例中，上述执行主体在得到选取的图像样本后，可以将选取的图像样本输入到向量生成网络中，得到基础图像向量。具体地，可以以选取的图像样本作为输入数据，输入到图像编辑模型的向量生成网络中，从向量生成网络的输出端，输出与选取的图像样本对应的基础图像向量，其中，基础图像向量是一个18*512维的向量，代表了图像样本的图像特征。
步骤309、将基础图像向量输入到图像生成网络中，得到原始图像。
在本实施例中，上述执行主体在得到基础图像向量后，可以将基础图像向量输入到图像生成网络中，得到原始图像。具体地，可以以基础图像向量作为输入数据，输入到图像编辑模型的图像生成网络中，从图像生成网络的输出端，输出与基础图像向量对应的原始图像。其中，由于图像生成网络生成的图像与选取的图像样本不是完全相同的，存在差异，因此，基于图像生成网络生成原始图像是必要步骤。
步骤310、将基础图像向量与偏值向量相加后，输入到图像生成网络中，得到编辑图像。
在本实施例中，上述执行主体在得到基础图像向量与偏值向量后，可以将基础图像向量与偏值向量相加后，输入到图像生成网络中，得到编辑图像。其中，基础图像向量与偏值向量都是一个18*512维的向量，基础图像向量是由向量生成网络生成的，基础图像向量的18层由三部分组成：粗糙层、中间层、精细层，偏值向量已在步骤307中进行了详细的介绍，偏值向量也由三部分组成：粗糙层、中间层、精细层，基础图像向量与偏值向量的向量结构一致，因此，可以直接将基础图像向量与偏值向量进行相加。示例性的，描述文本样本是用于描述人脸特征的文本，则得到的偏值向量也是用于描述人脸特征的向量，图像样本是与描述文本样本的描述内容相对应的图像，因此，图像样本可以是人脸图像，基础图像向量代表了图像样本的人脸特征，将基础图像向量与偏值向量相加后，得到一个新的向量，该新的向量代表了在图像样本的人脸特征的基础上，加上偏值向量描述的人脸特征，得到的一个新的人脸特征向量。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
得到基础图像向量与偏值向量相加后的向量后，可以以相加后的向量作为输入数据，输入到图像编辑模型的图像生成网络中，从图像生成网络的输出端，输出与相加后的向量对应的编辑图像。
步骤311、将原始图像和编辑图像分别输入到图像转换网络中，得到原始图像向量和编辑图像向量。
在本实施例中，上述执行主体在得到原始图像和编辑图像后，可以将原始图像和编辑图像分别输入到图像转换网络中，得到原始图像向量和编辑图像向量。具体地，可以以原始图像作为输入数据，输入到图像编辑模型的图像转换网络中，从图像转换网络的输出端，输出与原始图像对应的原始图像向量，原始图像向量表示原始图像的图像特征。可以以编辑图像作为输入数据，输入到图像编辑模型的图像转换网络中，从图像转换网络的输出端，输出与编辑图像对应的编辑图像向量，编辑图像向量表示编辑图像的图像特征，其中，原始图像向量和编辑图像向量都是一个1*512维的向量。
步骤312、基于原始图像向量和编辑图像向量，计算图像方向向量。
在本实施例中，上述执行主体在得到原始图像向量和编辑图像向量后，可以基于原始图像向量和编辑图像向量，计算图像方向向量。具体地，可以按照如下公式计算得到图像方向向量：
Yi＝C(A)-C(B)
其中，Yi表示图像方向向量，C(A)表示原始图像向量，C(B)表示编辑图像向量。
步骤313、基于文本方向向量与图像方向向量计算损失值。
步骤314、响应于损失值满足阈值条件，确定图像编辑模型训练完成。
步骤315、响应于损失值不满足阈值条件，调整图像编辑模型的参数，继续训练。
在本实施例中，步骤313-315具体操作已在图2所示的实施例中步骤206-208进行了详细的介绍，在此不再赘述。
需要说明的是，可以按照如下公式计算得到损失值：
loss＝1-cos(Yi,Yt)
其中，loss为计算得到的损失值，Yi表示图像方向向量，Yt表示文本方向向量。
从图3中可以看出，与图2对应的实施例相比，本实施例中的图像编辑模型的训练方法，基于文本模板获取文本方向向量，使得到的文本方向向量更准确，基于图像编辑模型的映射网络，实现了文本方向向量的空间关系的高度解耦，以适配向量生成网络输出的向量结构，基于图像生成网络和图像转换网络，生成图像方向向量，实现了文本方向向量与图像方向向量的映射关系，以通过判断文本方向与图像变化方向是否同向来训练图像编辑模型，通过交替输入描述文本样本与图像样本的训练方式进行训练，使训练得到的图像编辑模型可以输入任意一个描述文本以生成目标图像，进一步提高了图像编辑的效率，同时，使训练得到的图像编辑模型轻量化、统一化，优化了空间大小，降低了管理难度。
进一步继续参考图4，其示出了根据本公开的图像编辑模型的训练方法的一个示意图400，从图4中可以看出，可以先将描述文本样本输入到图像编辑模型的文本转换网络中，得到模板文本向量和补充文本向量，然后基于模板文本向量和补充文本向量，计算文本方向向量，将文本方向向量输入到图像编辑模型的映射网络的全连接层中，得到重构方向向量，将重构方向向量输入到图像编辑模型的映射网络的映射层中，得到偏值向量。然后将图像文本输入到图像编辑模型的向量生成网络中，得到基础图像向量，将基础图像向量输入到图像编辑模型的图像生成网络中，得到原始图像，将基础图像向量与偏值向量相加后，输入到图像编辑模型的图像生成网络中，得到编辑图像，将原始图像和编辑图像分别输入到图像编辑模型的图像转换网络中，得到原始图像向量和编辑图像向量，基于原始图像向量和编辑图像向量，计算图像方向向量，基于文本方向向量与图像方向向量计算损失值，来训练图像编辑模型，使训练好的图像编辑模型的图像编辑效率有所提高。
进一步继续参考图5，其示出了根据本公开的图像编辑方法的一个实施例的流程500。该图像编辑方法包括以下步骤：
步骤501、接收图像编辑请求，图像编辑请求包括待编辑图像和描述文本。
在本实施例中，上述执行主体可以接收图像编辑请求。其中，图像编辑请求可以是语音的形式，也可以是文字的形式，本公开对此不做限定。图像编辑请求包括待编辑图像和描述文本，待编辑图像可以是动物图像，也可以植物图像，也可以是人脸图像，本公开对此不做限定。描述文本是用于描述编辑后的图像的特征的文本，示例性的，描述文本可以是用于描述编辑后的人脸图像的面部器官特征的文本，也可以是描述编辑后的人脸图像的人物情绪的文本，例如，描述文本的内容是长卷发、大眼睛、白皮肤、长睫毛。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
步骤502、将描述文本和待编辑图像输入到图像编辑模型中，生成与描述文本对应的目标图像。
在本实施例中，上述执行主体在接收图像编辑请求后，可以将描述文本和待编辑图像输入到图像编辑模型中，生成与描述文本对应的目标图像。具体地，可以将描述文本和待编辑图像，输入到预先训练好的图像编辑模型中，从图像编辑模型的输出端，输出与描述文本对应的目标图像。
在本实施例的一些可选实现方式中，可以基于描述文本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于待编辑图像和偏值向量，生成目标图像。
在本实施例的一些可选实现方式中，可以通过以下方式确定文本方向向量：基于描述文本与文本模板，得到补充文本；将文本模板和补充文本分别输入到图像编辑模型的文本转换网络中，得到模板文本向量和补充文本向量；基于模板文本向量和补充文本向量，计算文本方向向量。
在本实施例的一些可选实现方式中，可以通过以下方式生成目标图像：将待编辑图像输入到图像编辑模型的向量生成网络中，得到基础图像向量；将基础图像向量与偏值向量相加后，输入到图像编辑模型的图像生成网络中，得到目标图像。
从图5中可以看出，本实施例中的图像编辑方法可以直接由任一描述文本生成对应的目标图像，提高了图像编辑的效率，节省成本，提高了用户体验。
进一步继续参考图6，其示出了根据本公开的图像编辑方法的一个效果示意图600，从图6中可以看出，描述文本为“傲慢”、“公主”，将一组描述文本“傲慢”和待编辑图像输入到图像编辑模型中，输出的目标图像中的人脸表现为傲慢的表情，将另一组描述文本“公主”和待编辑图像输入到图像编辑模型中，输出的目标图像中的人脸表现为公主的装扮，可见，训练好的图像编辑模型可以处理任一描述文本，提高了图像编辑的效率。
进一步参考图7，作为对上述图像编辑模型的训练方法的实现，本公开提供了一种图像编辑模型的训练装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的图像编辑模型的训练装置700可以包括获取模块701，训练模块702。其中，获取模块701，被配置为获取训练样本集，其中，训练样本包括描述文本样本和图像样本；训练模块702，被配置为执行以下训练步骤：从训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和偏值向量，确定图像方向向量；基于文本方向向量与图像方向向量计算损失值；响应于损失值满足阈值条件，确定图像编辑模型训练完成。
在本实施例中，图像编辑模型的训练装置700：获取模块701，训练模块702的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-208的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，映射网络包括全连接层和映射层，训练模块702包括：重构子模块，被配置为将文本方向向量输入到映射网络的全连接层中，得到重构方向向量；映射子模块，被配置为将重构方向向量输入到映射网络的映射层中，得到偏值向量。
在本实施例的一些可选实现方式中，图像编辑模型还包括图像转换网络，训练模块702还包括：第一生成子模块，被配置为基于选取的图像样本和偏值向量，生成原始图像和编辑图像；第二生成子模块，被配置为将原始图像和编辑图像分别输入到图像转换网络中，得到原始图像向量和编辑图像向量；第一计算子模块，被配置为基于原始图像向量和编辑图像向量，计算图像方向向量。
在本实施例的一些可选实现方式中，图像编辑模型还包括向量生成网络和图像生成网络，第一生成子模块包括：第一生成单元，被配置为将选取的图像样本输入到向量生成网络中，得到基础图像向量；第二生成单元，被配置为将基础图像向量输入到图像生成网络中，得到原始图像；第三生成单元，被配置为将基础图像向量与偏值向量相加后，输入到图像生成网络中，得到编辑图像。
在本实施例的一些可选实现方式中，图像编辑模型还包括文本转换网络，训练模块702还包括：第三生成子模块，被配置为基于选取的描述文本样本与文本模板，得到补充文本样本；第四生成子模块，被配置为将文本模板和补充文本样本分别输入到文本转换网络中，得到模板文本向量和补充文本向量；第二计算子模块，被配置为基于模板文本向量和补充文本向量，计算文本方向向量。
进一步参考图8，作为对上述图像编辑方法的实现，本公开提供了一种图像编辑装置的一个实施例，该装置实施例与图5所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图8所示，本实施例的图像编辑装置800可以包括接收模块801，生成模块802。其中，接收模块801，被配置为接收图像编辑请求，图像编辑请求包括待编辑图像和描述文本；生成模块802，被配置为将描述文本和待编辑图像输入到图像编辑模型中，生成与描述文本对应的目标图像。
在本实施例中，图像编辑装置800：接收模块801，生成模块802的具体处理及其所带来的技术效果可分别参考图5对应实施例中的步骤501-502的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，生成模块802包括：确定子模块，被配置为基于描述文本和预先确定的文本模板，确定文本方向向量；第五生成子模块，被配置为将文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；第六生成子模块，被配置为基于待编辑图像和偏值向量，生成目标图像。
在本实施例的一些可选实现方式中，第六生成子模块包括：第四生成单元，被配置为将待编辑图像输入到图像编辑模型的向量生成网络中，得到基础图像向量；第五生成单元，被配置为将基础图像向量与偏值向量相加后，输入到图像编辑模型的图像生成网络中，得到目标图像。
在本实施例的一些可选实现方式中，确定子模块包括：第六生成单元，被配置为基于描述文本与文本模板，得到补充文本；第七生成单元，被配置为将文本模板和补充文本分别输入到图像编辑模型的文本转换网络中，得到模板文本向量和补充文本向量；计算单元，被配置为基于模板文本向量和补充文本向量，计算文本方向向量。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如图像编辑模型的训练方法或图像编辑生成方法。例如，在一些实施例中，图像编辑模型的训练方法或图像编辑生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的图像编辑模型的训练方法或图像编辑生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像编辑模型的训练方法或图像编辑生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种图像编辑模型的训练方法，包括：
获取训练样本集，其中，训练样本包括描述文本样本和图像样本；
执行以下训练步骤：从所述训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将所述文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和所述偏值向量，确定图像方向向量；基于所述文本方向向量与所述图像方向向量计算损失值；响应于所述损失值满足阈值条件，确定所述图像编辑模型训练完成；其中，所述预先确定的文本模板包括以下至少一项：所述描述文本样本实际想表达的文字含义适用的场景，或者，根据所述适用的场景进行扩展得到的一段话；
其中，所述图像编辑模型还包括文本转换网络，所述基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量包括：
基于所述选取的描述文本样本与所述文本模板，得到补充文本样本；
将所述文本模板和所述补充文本样本分别输入到所述文本转换网络中，得到模板文本向量和补充文本向量；
基于所述模板文本向量和补充文本向量，计算所述文本方向向量，包括：计算所述补充文本向量与所述模板文本向量的差值，将所述差值的平均值求和结果作为所述文本方向向量。
2.根据权利要求1所述的方法，其中，所述映射网络包括全连接层和映射层，所述将所述文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量包括：
将所述文本方向向量输入到所述映射网络的全连接层中，得到重构方向向量；
将所述重构方向向量输入到所述映射网络的映射层中，得到所述偏值向量。
3.根据权利要求2所述的方法，其中，所述图像编辑模型还包括图像转换网络，所述基于选取的图像样本和所述偏值向量，确定图像方向向量包括：
基于所述选取的图像样本和所述偏值向量，生成原始图像和编辑图像；
将所述原始图像和所述编辑图像分别输入到所述图像转换网络中，得到原始图像向量和编辑图像向量；
基于所述原始图像向量和所述编辑图像向量，计算所述图像方向向量。
4.根据权利要求3所述的方法，其中，所述图像编辑模型还包括向量生成网络和图像生成网络，所述基于所述选取的图像样本和所述偏值向量，生成原始图像和编辑图像包括：
将所述选取的图像样本输入到所述向量生成网络中，得到基础图像向量；
将所述基础图像向量输入到所述图像生成网络中，得到所述原始图像；
将所述基础图像向量与所述偏值向量相加后，输入到所述图像生成网络中，得到所述编辑图像。
5.一种图像编辑方法，包括：
接收图像编辑请求，所述图像编辑请求包括待编辑图像和描述文本；
将所述描述文本和所述待编辑图像输入到图像编辑模型中，生成与所述描述文本对应的目标图像，其中，所述图像编辑模型是根据权利要求1-4任一项所述的训练方法训练完成的。
6.根据权利要求5所述的方法，其中，所述将所述描述文本和所述待编辑图像输入到图像编辑模型中，生成与所述描述文本对应的目标图像包括：
基于所述描述文本和预先确定的文本模板，确定文本方向向量；
将所述文本方向向量输入到所述图像编辑模型的映射网络中，得到偏值向量；
基于所述待编辑图像和所述偏值向量，生成所述目标图像。
7.根据权利要求6所述的方法，其中，所述基于所述待编辑图像和所述偏值向量，生成所述目标图像包括：
将所述待编辑图像输入到所述图像编辑模型的向量生成网络中，得到基础图像向量；
将所述基础图像向量与所述偏值向量相加后，输入到所述图像编辑模型的图像生成网络中，得到所述目标图像。
8.根据权利要求7所述的方法，其中，所述基于所述描述文本和预先确定的文本模板，确定文本方向向量包括：
基于所述描述文本与所述文本模板，得到补充文本；
将所述文本模板和所述补充文本分别输入到所述图像编辑模型的文本转换网络中，得到模板文本向量和补充文本向量；
基于所述模板文本向量和补充文本向量，计算所述文本方向向量。
9.一种图像编辑模型的训练装置，所述装置包括：
获取模块，被配置为获取训练样本集，其中，训练样本包括描述文本样本和图像样本；
训练模块，被配置为执行以下训练步骤：从所述训练样本集中选取一个描述文本样本和一个图像样本；基于选取的描述文本样本和预先确定的文本模板，确定文本方向向量；将所述文本方向向量输入到图像编辑模型的映射网络中，得到偏值向量；基于选取的图像样本和所述偏值向量，确定图像方向向量；基于所述文本方向向量与所述图像方向向量计算损失值；响应于所述损失值满足阈值条件，确定所述图像编辑模型训练完成；其中，所述预先确定的文本模板包括以下至少一项：所述描述文本样本实际想表达的文字含义适用的场景，或者，根据所述适用的场景进行扩展得到的一段话；
其中，所述图像编辑模型还包括文本转换网络，所述训练模块还包括：
第三生成子模块，被配置为基于所述选取的描述文本样本与所述文本模板，得到补充文本样本；
第四生成子模块，被配置为将所述文本模板和所述补充文本样本分别输入到所述文本转换网络中，得到模板文本向量和补充文本向量；
第二计算子模块，被配置为基于所述模板文本向量和补充文本向量，计算所述文本方向向量，包括：计算所述补充文本向量与所述模板文本向量的差值，将所述差值的平均值求和结果作为所述文本方向向量。
10.根据权利要求9所述的装置，其中，所述映射网络包括全连接层和映射层，所述训练模块包括：
重构子模块，被配置为将所述文本方向向量输入到所述映射网络的全连接层中，得到重构方向向量；
映射子模块，被配置为将所述重构方向向量输入到所述映射网络的映射层中，得到所述偏值向量。
11.根据权利要求10所述的装置，其中，所述图像编辑模型还包括图像转换网络，所述训练模块还包括：
第一生成子模块，被配置为基于所述选取的图像样本和所述偏值向量，生成原始图像和编辑图像；
第二生成子模块，被配置为将所述原始图像和所述编辑图像分别输入到所述图像转换网络中，得到原始图像向量和编辑图像向量；
第一计算子模块，被配置为基于所述原始图像向量和所述编辑图像向量，计算所述图像方向向量。
12.根据权利要求11所述的装置，其中，所述图像编辑模型还包括向量生成网络和图像生成网络，所述第一生成子模块包括：
第一生成单元，被配置为将所述选取的图像样本输入到所述向量生成网络中，得到基础图像向量；
第二生成单元，被配置为将所述基础图像向量输入到所述图像生成网络中，得到所述原始图像；
第三生成单元，被配置为将所述基础图像向量与所述偏值向量相加后，输入到所述图像生成网络中，得到所述编辑图像。
13.一种图像编辑装置，所述装置包括：
接收模块，被配置为接收图像编辑请求，所述图像编辑请求包括待编辑图像和描述文本；
生成模块，被配置为将所述描述文本和所述待编辑图像输入到图像编辑模型中，生成与所述描述文本对应的目标图像，其中，所述图像编辑模型是根据权利要求1-4任一项所述的训练方法训练完成的。
14.根据权利要求13所述的装置，其中，所述生成模块包括：
确定子模块，被配置为基于所述描述文本和预先确定的文本模板，确定文本方向向量；
第五生成子模块，被配置为将所述文本方向向量输入到所述图像编辑模型的映射网络中，得到偏值向量；
第六生成子模块，被配置为基于所述待编辑图像和所述偏值向量，生成所述目标图像。
15.根据权利要求14所述的装置，其中，所述第六生成子模块包括：
第四生成单元，被配置为将所述待编辑图像输入到所述图像编辑模型的向量生成网络中，得到基础图像向量；
第五生成单元，被配置为将所述基础图像向量与所述偏值向量相加后，输入到所述图像编辑模型的图像生成网络中，得到所述目标图像。
16.根据权利要求15所述的装置，其中，所述确定子模块包括：
第六生成单元，被配置为基于所述描述文本与所述文本模板，得到补充文本；
第七生成单元，被配置为将所述文本模板和所述补充文本分别输入到所述图像编辑模型的文本转换网络中，得到模板文本向量和补充文本向量；
计算单元，被配置为基于所述模板文本向量和补充文本向量，计算所述文本方向向量。
17. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
CN202210237623.5A 2022-03-11 2022-03-11 图像编辑模型的训练方法和图像编辑方法 Active CN114612290B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202210237623.5A CN114612290B (zh) 2022-03-11 2022-03-11 图像编辑模型的训练方法和图像编辑方法
JP2022130879A JP2022172173A (ja) 2022-03-11 2022-08-19 画像編集モデルのトレーニング方法および装置、画像編集方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
KR1020220132035A KR20220147545A (ko) 2022-03-11 2022-10-14 이미지 편집 모델의 트레이닝 방법 및 이미지 편집 방법
US18/054,711 US20230071661A1 (en) 2022-03-11 2022-11-11 Method for training image editing model and method for editing image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210237623.5A CN114612290B (zh) 2022-03-11 2022-03-11 图像编辑模型的训练方法和图像编辑方法

Publications (2)

Publication Number Publication Date
CN114612290A CN114612290A (zh) 2022-06-10
CN114612290B true CN114612290B (zh) 2023-07-21

Family

ID=81863132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210237623.5A Active CN114612290B (zh) 2022-03-11 2022-03-11 图像编辑模型的训练方法和图像编辑方法

Country Status (4)

Country Link
US (1) US20230071661A1 (zh)
JP (1) JP2022172173A (zh)
KR (1) KR20220147545A (zh)
CN (1) CN114612290B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11762622B1 (en) * 2022-05-16 2023-09-19 Adobe Inc. Interactive remote digital image editing utilizing a scalable containerized architecture
CN116091857B (zh) * 2022-10-17 2023-10-20 北京百度网讯科技有限公司 图像处理模型的训练方法、图像处理方法和装置
CN116543075B (zh) * 2023-03-31 2024-02-13 北京百度网讯科技有限公司 图像生成方法、装置、电子设备及存储介质
CN116543074B (zh) * 2023-03-31 2024-05-17 北京百度网讯科技有限公司 图像处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010226158A (ja) * 2009-03-19 2010-10-07 Seiko Epson Corp 画像形成装置及びその制御方法
CN113468877A (zh) * 2021-07-09 2021-10-01 浙江大学 语言模型的微调方法、装置、计算设备和存储介质
CN113822953A (zh) * 2021-06-24 2021-12-21 华南理工大学 图像生成器的处理方法、图像生成方法及装置
CN113987209A (zh) * 2021-11-04 2022-01-28 浙江大学 基于知识指导前缀微调的自然语言处理方法、装置、计算设备和存储介质
CN114140603A (zh) * 2021-12-08 2022-03-04 北京百度网讯科技有限公司 虚拟形象生成模型的训练方法和虚拟形象生成方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11176216B2 (en) * 2019-03-29 2021-11-16 Microsoft Technology Licensing, Llc Context aware personalized query autocompletion
US11144784B2 (en) * 2019-05-30 2021-10-12 Adobe Inc. Text-to-visual machine learning embedding techniques

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010226158A (ja) * 2009-03-19 2010-10-07 Seiko Epson Corp 画像形成装置及びその制御方法
CN113822953A (zh) * 2021-06-24 2021-12-21 华南理工大学 图像生成器的处理方法、图像生成方法及装置
CN113468877A (zh) * 2021-07-09 2021-10-01 浙江大学 语言模型的微调方法、装置、计算设备和存储介质
CN113987209A (zh) * 2021-11-04 2022-01-28 浙江大学 基于知识指导前缀微调的自然语言处理方法、装置、计算设备和存储介质
CN114140603A (zh) * 2021-12-08 2022-03-04 北京百度网讯科技有限公司 虚拟形象生成模型的训练方法和虚拟形象生成方法

Also Published As

Publication number Publication date
KR20220147545A (ko) 2022-11-03
JP2022172173A (ja) 2022-11-15
CN114612290A (zh) 2022-06-10
US20230071661A1 (en) 2023-03-09

Similar Documents

Publication Publication Date Title
CN114612290B (zh) 图像编辑模型的训练方法和图像编辑方法
CN114140603B (zh) 虚拟形象生成模型的训练方法和虚拟形象生成方法
CN111897933B (zh) 情感对话生成方法、装置及情感对话模型训练方法、装置
CN112668671A (zh) 预训练模型的获取方法和装置
CN105096353B (zh) 一种图像处理方法及装置
CN110288513B (zh) 用于改变人脸属性的方法、装置、设备和存储介质
CN113362263B (zh) 变换虚拟偶像的形象的方法、设备、介质及程序产品
CN114895817B (zh) 交互信息处理方法、网络模型的训练方法及装置
CN114913303A (zh) 虚拟形象生成方法及相关装置、电子设备、存储介质
CN116363261A (zh) 图像编辑模型的训练方法、图像编辑方法和装置
CN116611496A (zh) 文本到图像的生成模型优化方法、装置、设备及存储介质
CN116110099A (zh) 头像生成的方法和头像更换的方法
CN113723077B (zh) 基于双向表征模型的句向量生成方法、装置及计算机设备
CN113850714A (zh) 图像风格转换模型的训练、图像风格转换方法及相关装置
CN114049290A (zh) 图像处理方法、装置、设备及存储介质
CN114120413A (zh) 模型训练方法、图像合成方法、装置、设备及程序产品
CN116778040B (zh) 基于口型的人脸图像生成方法、模型的训练方法以及设备
WO2020188924A1 (ja) 情報処理装置、検索方法、及びプログラムが格納された非一時的なコンピュータ可読媒体
CN115311403B (zh) 深度学习网络的训练方法、虚拟形象生成方法及装置
CN113240780B (zh) 生成动画的方法和装置
CN113902957B (zh) 图像生成方法、模型的训练方法、装置、电子设备及介质
CN116091857B (zh) 图像处理模型的训练方法、图像处理方法和装置
CN117011435B (zh) 数字人形象ai生成方法及装置
CN113360712B (zh) 视频表示的生成方法、装置和电子设备
CN116452741B (zh) 对象重建方法、对象重建模型的训练方法、装置及设备

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