CN115239402A - 图像生成方法、装置、电子设备和计算机可读介质 - Google Patents
图像生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115239402A CN115239402A CN202110436637.5A CN202110436637A CN115239402A CN 115239402 A CN115239402 A CN 115239402A CN 202110436637 A CN202110436637 A CN 202110436637A CN 115239402 A CN115239402 A CN 115239402A
- Authority
- CN
- China
- Prior art keywords
- article
- information
- item
- target
- collocation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012216 screening Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 230000001932 seasonal effect Effects 0.000 claims description 8
- 238000007635 classification algorithm Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000005429 filling process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 19
- 230000006870 function Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- 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
- G06F16/55—Clustering; Classification
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Library & Information Science (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开的实施例公开了图像生成方法、装置、电子设备和介质。该方法的一具体实施方式包括:根据物品信息集,生成用于后续物品搭配的候选物品信息集;根据该候选物品信息集,生成物品搭配信息集,其中,该物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;从该物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;生成与该目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;生成与该目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。该实施方式可以快捷、高效的生成与目标物品搭配信息相关联的物品搭配图。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像生成方法、装置、电子设备和计算机可读介质。
背景技术
目前,在产品网络呈现平台上进行服饰类内容运营可以呈现出各式各样的服饰搭配和对应服饰搭配的文字描述。各种服饰搭配和对应的文字描述可以较大程度的刺激消费者对目标服饰执行价值转移操作。对于服饰的搭配和对应文字描述的生成,通常采用的方式为:首先,需要较多的运营人员手动对服饰(例如,上衣,下衣,鞋靴等) 进行排版,得到排版后的服饰图。然后,上述运营人员还需要花费大量的时间来根据服饰的特点撰写文案和标题。
然而,当采用上述方式来搭配服饰和生成文字描述,经常会存在如下技术问题:
由人工进行服饰搭配和生成对应的文字描述往往需要耗费大量的人力和时间,并且较难快速的大量搭配服饰和生成对应的文字描述,难以满足上述产品网络呈现平台的服饰类内容需求,造成转化率较低。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种图像生成方法,包括:根据物品信息集,生成用于后续物品搭配的候选物品信息集;根据上述候选物品信息集,生成物品搭配信息集,其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
可选地,上述物品信息集中物品信息包括:物品图像;以及上述根据物品信息集,生成用于后续物品搭配的候选物品信息集,包括:从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集;对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集;根据上述去重后的候选物品图像集,生成上述候选物品信息集。
可选地,上述物品信息集中物品信息还包括:物品属性信息;以及上述根据上述去重后的候选物品图像集,生成上述候选物品信息集,包括:响应于目标物品属性信息集存在,对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,得到处理后的目标物品属性信息集,其中,上述目标物品属性信息集中目标物品属性信息是上述去重后的候选物品图像集对应物品属性信息集中,存在信息待修改和/或信息空缺的物品属性信息;根据上述处理后的目标物品属性信息集,生成上述候选物品信息集。
可选地,上述从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集,包括:将上述物品信息集对应的物品图像集中的每个物品图像输入至预先训练的二分类算法网络,以输出上述物品图像对应的质量信息,得到质量信息集;根据上述质量信息集,从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。
可选地,上述对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集,包括:提取上述筛选后的物品图像集中每个筛选后的物品图像的第一特征信息,得到第一特征信息集;确定上述筛选后的物品图像集对应物品集中各个物品的物品类目;依据上述各个物品的物品类目,对上述物品集中各个物品进行物品分类,得到至少一个物品子集;确定上述至少一个物品子集中的物品子集中每两个物品对应的第一特征信息集之间的相似度以生成相似度集,得到相似度集组;根据上述相似度集组,确定上述去重后的候选物品图像集。
可选地,上述物品属性信息包括:物品类目、物品的季节信息、物品的第一风格信息;以及上述对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,包括:响应于确定上述目标物品属性信息存在季节信息缺失,对上述目标物品属性信息进行季节信息填充;响应于确定上述目标物品属性信息存在物品类目待修改,对上述目标物品属性信息进行类目修改;响应于确定上述目标物品属性信息存在第一风格信息缺失,对上述目标物品属性信息进行第一风格信息填充。
可选地,上述根据上述候选物品信息集,生成物品搭配信息集,包括:根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集,其中,上述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个裙装类物品,各个鞋靴类物品,各个箱包类物品;利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集;对于上述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:根据上述上衣类物品的第二特征信息和上述各个下衣类物品的第二特征信息集,生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型;根据上述第一树模型,确定与上述上衣类物品相搭配的目标下衣类物品;确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品;确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品;响应于确定存在上述第一目标鞋靴类物品和上述第一目标箱包类物品,根据上述上衣类物品、上述目标下衣类物品、上述第一目标箱包类物品和上述第一目标鞋靴类物品,生成物品搭配信息。
可选地,上述确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品,包括:根据上述上衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述上衣类物品与上述各个鞋靴类物品之间关联关系的第二树模型;根据上述第二树模型,确定与上述上衣类物品搭配的第一鞋靴类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个鞋靴类物品之间关联关系的第三树模型;根据上述第三树模型,确定与上述目标下衣类物品搭配的第二鞋靴类物品子集;根据上述第一鞋靴类物品子集和上述第二鞋靴类物品子集,确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品搭配的第一目标鞋靴类物品。
可选地,上述确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品,包括:根据上述上衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述上衣类物品与上述各个箱包类物品之间关联关系的第四树模型;根据上述第四树模型,确定与上述上衣类物品搭配的第一箱包类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个箱包类物品之间关联关系的第五树模型;根据上述第五树模型,确定与上述目标下衣类物品搭配的第二箱包类物品子集;根据上述第一箱包类物品子集和上述第二箱包类物品子集,确定上述各个类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。
可选地,上述方法还包括:对于上述各个裙装类物品中每个裙装类物品,执行以下第二匹配步骤以生成物品搭配信息:根据上述裙装类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述裙装类物品与上述各个箱包类物品之间关联关系的第六树模型;根据上述第六树模型,确定上述各个箱包类物品中的第二目标箱包类物品;根据上述裙装类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述裙装类物品与上述各个鞋靴类物品之间关联关系的第七树模型;根据上述第七树模型,确定上述各个箱包类物品中的第二目标鞋靴类物品;根据上述裙装类物品、上述第二目标箱包类物品和上述第二目标鞋靴类物品,生成上述物品搭配信息。
可选地,上述目标搭配条件组包括:与物品的季节信息相关的目标搭配条件、与物品的第一风格信息相关联的目标搭配条件、与表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数相关的目标搭配条件。
可选地,上述候选物品信息集中候选物品信息包括:物品图像和物品属性信息;以及上述生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,包括:将上述每个目标物品搭配信息对应的至少两个物品图像输入至预先训练的残差网络以生成上述目标物品搭配信息对应的第二风格信息;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,确定上述目标物品搭配信息对应的标题模板;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,填写上述标题模板,得到填写后的标题模板作为上述每个目标物品搭配信息的标题。
可选地,上述方法还包括:确定上述每个目标物品搭配信息中上衣类物品或裙装类物品对应的候选物品信息的呈现信息;将上述呈现信息输入至预先训练的编码与解码网络,得到上述上衣类物品或裙装类物品对应的候选物品信息的描述信息;根据上述描述信息,利用相关文案生成模板,生成上述目标物品搭配信息的文案。
可选地,上述生成与上述目标物品搭配信息相关联的物品搭配图,包括:根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述目标物品搭配信息对应的第二风格信息,确定上述每个目标物品搭配信息对应的背景模板;根据上述目标物品搭配信息和上述背景模板,确定颜色标识;根据上述颜色标识、上述每个目标物品搭配信息、上述背景模板、上述每个目标物品搭配信息的文案和上述目标物品搭配信息的标题,生成上述目标物品搭配信息相关联的物品搭配图。
第二方面,本公开的一些实施例提供了一种图像生成装置,包括:第一生成单元,被配置成根据物品信息集,生成用于后续物品搭配的候选物品信息集;第二生成单元,被配置成根据上述候选物品信息集,生成物品搭配信息集,其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;筛选单元,被配置成从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;第三生成单元,被配置成生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;第四生成单元,被配置成根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
可选地,上述物品信息集中物品信息包括:物品图像。以及第一生成单元进一步被配置成:从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集;对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集;根据上述去重后的候选物品图像集,生成上述候选物品信息集。
可选地,上述物品信息集中物品信息还包括:物品属性信息。以及上述第一生成单元进一步被配置成:响应于目标物品属性信息集存在,对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,得到处理后的目标物品属性信息集,其中,上述目标物品属性信息集中目标物品属性信息是上述去重后的候选物品图像集对应物品属性信息集中,存在信息待修改和/或信息空缺的物品属性信息;根据上述处理后的目标物品属性信息集,生成上述候选物品信息集。
可选地,上述第一生成单元进一步被配置成:将上述物品信息集对应的物品图像集中的每个物品图像输入至预先训练的二分类算法网络,以输出上述物品图像对应的质量信息,得到质量信息集;根据上述质量信息集,从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。
可选地,上述第一生成单元进一步被配置成:提取上述筛选后的物品图像集中每个筛选后的物品图像的第一特征信息,得到第一特征信息集;确定上述筛选后的物品图像集对应物品集中各个物品的物品类目;依据上述各个物品的物品类目,对上述物品集中各个物品进行物品分类,得到至少一个物品子集;确定上述至少一个物品子集中的物品子集中每两个物品对应的第一特征信息集之间的相似度以生成相似度集,得到相似度集组;根据上述相似度集组,确定上述去重后的候选物品图像集。
可选地,上述物品属性信息包括:物品类目、物品的季节信息、物品的第一风格信息。以及上述第一生成单元进一步被配置成:响应于确定上述目标物品属性信息存在季节信息缺失,对上述目标物品属性信息进行季节信息填充;响应于确定上述目标物品属性信息存在物品类目待修改,对上述目标物品属性信息进行类目修改;响应于确定上述目标物品属性信息存在第一风格信息缺失,对上述目标物品属性信息进行第一风格信息填充。
可选地,上述第二生成单元进一步被配置成:根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集,其中,上述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个裙装类物品,各个鞋靴类物品,各个箱包类物品;利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集;对于上述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:根据上述上衣类物品的第二特征信息和上述各个下衣类物品的第二特征信息集,生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型;根据上述第一树模型,确定与上述上衣类物品相搭配的目标下衣类物品;确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品;确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品;响应于确定存在上述第一目标鞋靴类物品和上述第一目标箱包类物品,根据上述上衣类物品、上述目标下衣类物品、上述第一目标箱包类物品和上述第一目标鞋靴类物品,生成物品搭配信息。
可选地,上述第二生成单元进一步被配置成:根据上述上衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述上衣类物品与上述各个鞋靴类物品之间关联关系的第二树模型;根据上述第二树模型,确定与上述上衣类物品搭配的第一鞋靴类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个鞋靴类物品之间关联关系的第三树模型;根据上述第三树模型,确定与上述目标下衣类物品搭配的第二鞋靴类物品子集;根据上述第一鞋靴类物品子集和上述第二鞋靴类物品子集,确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品搭配的第一目标鞋靴类物品。
可选地,上述第二生成单元进一步被配置成:根据上述上衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述上衣类物品与上述各个箱包类物品之间关联关系的第四树模型;根据上述第四树模型,确定与上述上衣类物品搭配的第一箱包类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个箱包类物品之间关联关系的第五树模型;根据上述第五树模型,确定与上述目标下衣类物品搭配的第二箱包类物品子集;根据上述第一箱包类物品子集和上述第二箱包类物品子集,确定上述各个类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。
可选地,上述第二生成单元进一步被配置成:对于上述各个裙装类物品中每个裙装类物品,执行以下第二匹配步骤以生成物品搭配信息:根据上述裙装类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述裙装类物品与上述各个箱包类物品之间关联关系的第六树模型;根据上述第六树模型,确定上述各个箱包类物品中的第二目标箱包类物品;根据上述裙装类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述裙装类物品与上述各个鞋靴类物品之间关联关系的第七树模型;根据上述第七树模型,确定上述各个箱包类物品中的第二目标鞋靴类物品;根据上述裙装类物品、上述第二目标箱包类物品和上述第二目标鞋靴类物品,生成上述物品搭配信息。
可选地,上述目标搭配条件组包括:与物品的季节信息相关的目标搭配条件、与物品的第一风格信息相关联的目标搭配条件、与表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数相关的目标搭配条件。
可选地,上述候选物品信息集中候选物品信息包括:物品图像和物品属性信息。第三生成单元进一步被配置成:将上述每个目标物品搭配信息对应的至少两个物品图像输入至预先训练的残差网络以生成上述目标物品搭配信息对应的第二风格信息;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,确定上述目标物品搭配信息对应的标题模板;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,填写上述标题模板,得到填写后的标题模板作为上述每个目标物品搭配信息的标题。
可选地,第三生成单元进一步被配置成:确定上述每个目标物品搭配信息中上衣类物品或裙装类物品对应的候选物品信息的呈现信息;将上述呈现信息输入至预先训练的编码与解码网络,得到上述上衣类物品或裙装类物品对应的候选物品信息的描述信息;根据上述描述信息,利用相关文案生成模板,生成上述目标物品搭配信息的文案。
可选地,第四生成单元进一步被配置成:根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述目标物品搭配信息对应的第二风格信息,确定上述每个目标物品搭配信息对应的背景模板;根据上述目标物品搭配信息和上述背景模板,确定颜色标识;根据上述颜色标识、上述每个目标物品搭配信息、上述背景模板、上述每个目标物品搭配信息的文案和上述目标物品搭配信息的标题,生成上述目标物品搭配信息相关联的物品搭配图。第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的图像生成方法可以快捷、高效的生成与目标物品搭配信息相关联的物品搭配图。具体来说,由人工进行服饰搭配和生成对应的文字描述往往需要耗费大量的人力和时间,并且较难快速的大量搭配服饰和生成对应的文字描述,难以满足上述产品网络呈现平台的服饰类内容需求,造成转化率较低。基于此,本公开的一些实施例的图像生成方法可以首先根据物品信息集,生成用于后续物品搭配的候选物品信息集。在这里,生成物品搭配图的物品信息集中可能存在物品信息不满足物品搭配图生成条件的物品信息。需要对物品信息集进行处理,得到候选物品信息集以用于后续生成满足人们需求的物品搭配图。然后,根据上述候选物品信息集,生成物品搭配信息集。其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息。进而,从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。需要说明的是,通过候选物品信息集生成的物品搭配信息集中的各个物品搭配信息中可能存在至少两个候选物品信息不搭配的情况,所以需要从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集以用于后续生成优质的物品搭配图集。接着,生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。最后,根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,可以准确、高效的生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1-4是根据本公开的一些实施例的图像生成方法的一个应用场景的示意图;
图5是根据本公开的图像生成方法的一些实施例的流程图;
图6是根据本公开的图像生成方法的另一些实施例的流程图;
图7是根据本公开的图像生成装置的一些实施例的结构示意图;
图8是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1-图4是根据本公开一些实施例的图像生成方法的一个应用场景的示意图。
在图1-图4的应用场景中,电子设备101可以首先根据物品信息集102,生成用于后续物品搭配的候选物品信息集103。可选的,上述物品信息集102中的物品信息可以是物品的图像。由此,在本应用场景中,物品信息集102包括:物品信息1021、物品信息1022、物品信息1023、物品信息1024、物品信息1025、物品信息1026。上述候选物品信息集103包括:物品信息1021、物品信息1022、物品信息1023、物品信息1024、物品信息1025。然后,根据上述候选物品信息集103,生成物品搭配信息集104。其中,上述物品搭配信息集104中的物品搭配信息包括:至少两个候选物品信息。在本应用场景中,上述物品搭配信息集包括:物品搭配信息1041、物品搭配信息1042、物品搭配信息1043、物品搭配信息1044、物品搭配信息1045、物品搭配信息 1046、物品搭配信息1047、物品搭配信息1048、物品搭配信息1049、物品搭配信息10410。其中,物品搭配信息1041包括:物品信息1021 和物品信息1022。物品搭配信息1042包括:物品信息1021和物品信息1023。物品搭配信息1043包括:物品信息1023和物品信息1025。物品搭配信息1044包括:物品信息1022和物品信息1023。物品搭配信息1045包括:物品信息1022和物品信息1024。物品搭配信息1046 包括:物品信息1024和物品信息1025。物品搭配信息1047包括:物品信息1023和物品信息1024。物品搭配信息1048包括:物品信息1021 和物品信息1024。物品搭配信息1049包括:物品信息1021和物品信息1025。物品搭配信息10410包括:物品信息1022和物品信息1025。进而,从上述物品搭配信息集104中筛选出满足目标搭配条件组的目标物品搭配信息集104。在本应用场景中,目标物品搭配信息集104 可以包括:物品搭配信息1047、物品搭配信息10410、物品搭配信息 1043、物品搭配信息1044、物品搭配信息1045、物品搭配信息1048、物品搭配信息1049。接着,生成与上述目标物品搭配信息集104中每个目标物品搭配信息的文案和标题,得到文案集和标题集。在本应用场景中,物品搭配信息1047对应着第一文案105和第一标题106。物品搭配信息10410对应着第二文案107和第二标题108。物品搭配信息1043对应着第三文案109和第三标题110。物品搭配信息1044对应着第四文案111和第四标题112。物品搭配信息1045对应着第五文案113和第五标题114。物品搭配信息1049对应着第六文案105和第六标题116。物品搭配信息1048对应着第七文案117和第七标题118。最后,根据上述目标物品搭配信息集104中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集119。其中,上述物品搭配图集119包括:物品搭配图1191、物品搭配图1192、物品搭配图 1193、物品搭配图1194、物品搭配图1195、物品搭配图1196、物品搭配图1197。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的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。
应该理解,图1-图4中的电子设备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电子设备。
继续参考图5,示出了根据本公开的图像生成方法的一些实施例的流程500。该图像生成方法,包括以下步骤:
步骤501,根据物品信息集,生成用于后续物品搭配的候选物品信息集。
在一些实施例中,上述图像生成方法的执行主体(例如图1所示的电子设备)可以根据物品信息集,生成用于后续物品搭配的候选物品信息集。其中,上述物品信息集中的物品信息可以是描述物品的基础信息。作为示例,上述基础信息可以包括:物品的名称、物品的价值信息,物品的颜色信息,物品的风格信息。上述物品信息集中可能存在基础信息不够完善的物品信息。上述候选物品信息集中候选物品信息可以是完善的、描述物品的基础信息。
作为示例,上述执行主体可以从物品信息集中去除出物品的基础信息不够完善的物品信息,得到去除后的物品信息集作为上述候选物品信息集。
步骤502,根据上述候选物品信息集,生成物品搭配信息集。
在一些实施例中,上述执行主体可以根据上述候选物品信息集,生成物品搭配信息集。其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息。
作为示例,上述执行主体可以依照物品信息对应的物品类别,对候选物品信息集中的不同物品类别的各个物品信息之间进行搭配,得到候选物品信息集。
在一些实施例的一些可选的实现方式中,上述根据上述候选物品信息集,生成物品搭配信息集,可以包括以下步骤:
第一步,根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集。其中,上述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个裙装类物品,各个鞋靴类物品,各个箱包类物品。作为示例,上述执行主体可以通过相关脚本来整理上述候选物品信息集对应物品集中各个物品所属的种类,得到各个种类的物品子集。
需要进一步说明的是,上述各个种类的物品子集中可以是与服饰相关的各类物品集。
第二步,利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集。其中,上述特征提取网络可以是SE-ResNeXt。其中,SE-ResNeXt可以是残差网络 (Residual Network,ResNet)中加入了Squeeze-and-Excitation(SENet) 模块的网络。加入Squeeze-and-Excitation模块的目的在于解决残差机制使得网络层能够不断的加深并且有效的防止性能退化的问题。上述特征提取网络的损失函数可以是Triplet loss损失函数。需要说明的是,在特征提取网络训练时,一组训练样本可以包含(A,B,C)三个物品信息。正例的选择为对应两件不同物品类别的、较为撘配的物品信息集,即(A,B)。负例可以是与B物品信息物品类别相同的,随机挑选的物品信息C。通过对大量搭配数据的学习,模型可以将相搭配的物品信息之间的特征距离拉近,而不搭配的物品信息之间的距离拉远。
第三步,对于上述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:
第一子步骤,根据上述上衣类物品的第二特征信息和上述各个下衣类物品的第二特征信息集,生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型。其中,上述第一树模型可以是kd-tree(k-dimensional树)。作为示例,上述执行主体可以通过 kd-tree的相关构建算法,直接生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型。
第二子步骤,根据上述第一树模型,确定与上述上衣类物品相搭配的目标下衣类物品。其中,上述目标下衣类物品可以是上述上衣类物品和上述各个下衣类物品之间特征距离小于第一阈值的下衣类物品。上述第一阈值可以是预先设定的。
第三子步骤,确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品。作为示例,上述执行主体可以通过查询第一目标表的方式来确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品。其中,上述第一目标表可以表征预先建立的各个鞋靴类物品、各个上衣类物品和各个下衣类物品之间的关联关系。
第四子步骤,确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。作为示例,上述执行主体可以通过查询第二目标表的方式来确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。其中,上述第二目标表可以表征预先建立的各个箱包类物品、各个上衣类物品和各个下衣类物品之间的关联关系。
第五子步骤,响应于确定存在上述第一目标鞋靴类物品和上述第一目标箱包类物品,根据上述上衣类物品、上述目标下衣类物品、上述第一目标箱包类物品和上述第一目标鞋靴类物品,生成物品搭配信息。作为示例,上述执行主体可以将上述上衣类物品、上述目标下衣类物品、上述第一目标箱包类物品和上述第一目标鞋靴类物品进行信息拼接,得到物品搭配信息。
可选地,上述确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品,可以包括以下步骤:
第一步,根据上述上衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述上衣类物品与上述各个鞋靴类物品之间关联关系的第二树模型。其中,上述第二树模型可以是kd-tree (k-dimensional树)。作为示例,上述执行主体可以通过kd-tree的相关构建算法,直接生成表征上述上衣类物品与上述各个鞋靴类物品之间关联关系的第二树模型。
第二步,根据上述第二树模型,确定与上述上衣类物品搭配的第一鞋靴类物品子集。其中,上述第一鞋靴类物品子集中的第一鞋靴类物品可以是上述上衣类物品和上述各个鞋靴类物品之间特征距离小于第二阈值的物品。上述第二阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第二树模型来确定与上述上衣类物品搭配的第一鞋靴类物品子集。
第三步,根据上述目标下衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个鞋靴类物品之间关联关系的第三树模型。其中,上述第三树模型可以是kd-tree(k-dimensional树)。作为示例,上述执行主体可以通过kd-tree的相关构建算法,直接生成表征上述目标下衣类物品与上述各个鞋靴类物品之间关联关系的第三树模型。
第四步,根据上述第三树模型,确定与上述目标下衣类物品搭配的第二鞋靴类物品子集。其中,上述第二鞋靴类物品子集中的第二鞋靴类物品可以是上述目标下衣类物品和上述各个鞋靴类物品之间特征距离小于第三阈值的物品。上述第三阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第三树模型来确定与上述目标下衣类物品搭配的第二鞋靴类物品子集。
第五步,根据上述第一鞋靴类物品子集和上述第二鞋靴类物品子集,确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品搭配的第一目标鞋靴类物品。作为示例,上述执行主体可以将上述第一鞋靴类物品子集和上述第二鞋靴类物品子集之间的交集作为第一目标鞋靴类物品。
可选地,上述确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品,可以包括以下步骤:
第一步,根据上述上衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述上衣类物品与上述各个箱包类物品之间关联关系的第四树模型。其中,上述第四树模型可以是kd-tree (k-dimensional树)。作为示例,上述执行主体可以通过kd-tree的相关构建算法,直接生成表征上述上衣类物品与上述各个箱包类物品之间关联关系的第四树模型。
第二步,根据上述第四树模型,确定与上述上衣类物品搭配的第一箱包类物品子集。其中,上述第一箱包类物品子集中的第一箱包类物品可以是上述目标下衣类物品和上述各个箱包类物品之间特征距离小于第三阈值的物品。上述第三阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第四树模型来确定与上述上衣类物品搭配的第一箱包类物品子集。
第三步,根据上述目标下衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个箱包类物品之间关联关系的第五树模型。其中,上述第五树模型可以是kd-tree(k-dimensional树)。作为示例,上述执行主体可以通过 kd-tree的相关构建算法,直接生成表征上述目标下衣类物品与上述各个箱包类物品之间关联关系的第五树模型。
第四步,根据上述第五树模型,确定与上述目标下衣类物品搭配的第二箱包类物品子集。其中,上述第二箱包类物品子集中的第二箱包类物品可以是上述目标下衣类物品和上述各个箱包类物品之间特征距离小于第四阈值的物品。上述第四阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第五树模型来确定与上述目标下衣类物品搭配的第二箱包类物品子集。
第五步,根据上述第一箱包类物品子集和上述第二箱包类物品子集,确定上述各个类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。
作为示例,上述执行主体可以将上述第一箱包类物品子集和上述第二箱包类物品子集之间的交集作为第一目标箱包类物品。
可选地,上述方法还包括:
对于上述各个裙装类物品中每个裙装类物品,执行以下第二匹配步骤以生成物品搭配信息:
第一子步骤,根据上述裙装类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述裙装类物品与上述各个箱包类物品之间关联关系的第六树模型。其中,上述第六树模型可以是kd-tree(k-dimensional树)。作为示例,上述执行主体可以通过kd-tree的相关构建算法,直接生成表征上述裙装类物品与上述各个箱包类物品之间关联关系的第六树模型。
第二子步骤,根据上述第六树模型,确定上述各个箱包类物品中的第二目标箱包类物品。其中,上述第二目标箱包类物品可以是上述裙装类物品和上述各个箱包类物品之间特征距离小于第五阈值的物品。上述第五阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第六树模型来确定与上述裙装类物品搭配的第二目标箱包类物品。
第三子步骤,根据上述裙装类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述裙装类物品与上述各个鞋靴类物品之间关联关系的第七树模型。其中,上述第七树模型可以是kd-tree(k-dimensional树)。作为示例,上述执行主体可以通过 kd-tree的相关构建算法,直接生成表征上述裙装类物品与上述各个鞋靴类物品之间关联关系的第七树模型。
第四子步骤,根据上述第七树模型,确定上述各个箱包类物品中的第二目标鞋靴类物品。其中,上述第二目标鞋靴类物品可以是上述裙装类物品和上述各个鞋靴类物品之间特征距离小于第六阈值的物品。上述第六阈值可以是预先设定的。
作为示例,上述执行主体可以通过遍历上述第六树模型来确定上述各个箱包类物品中的第二目标鞋靴类物品。
第五子步骤,根据上述裙装类物品、上述第二目标箱包类物品和上述第二目标鞋靴类物品,生成上述物品搭配信息。
作为示例,上述执行主体可以将上述裙装类物品、上述第二目标箱包类物品和上述第二目标鞋靴类物品进行信息拼接,得到物品搭配信息。
可选地,上述根据上述候选物品信息集,生成物品搭配信息集,还可以包括以下步骤:
第一步,根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集。其中,上述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个帽类物品,各个领带类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第二步,利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集。
在这里,具体的实现方式以及相关解释不再赘述。
第三步,对于上述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:
第一子步骤,根据上述上衣类物品的第二特征信息和上述各个下衣类物品的第二特征信息集,生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型。
在这里,具体的实现方式以及相关解释不再赘述。
第二子步骤,根据上述第一树模型,确定与上述上衣类物品相搭配的目标下衣类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第三子步骤,确定上述各个帽类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的目标帽类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第四子步骤,确定上述各个领带类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的目标领带类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第五子步骤,响应于确定存在上述目标帽类物品和上述目标领带类物品,根据上述上衣类物品、上述目标下衣类物品、上述目标帽类物品和上述目标领带类物品,生成物品搭配信息。
在这里,具体的实现方式以及相关解释不再赘述。
可选地,上述根据上述候选物品信息集,生成物品搭配信息集,还可以包括以下步骤:
第一步,根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集。其中,上述各个种类的物品子集包括以下至少两项:各个耳饰类物品,各个发饰类物品,各个手饰类物品。作为示例,上述执行主体可以通过相关脚本来整理上述候选物品信息集对应物品集中各个物品所属的种类,得到各个种类的物品子集。
第二步,利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集。
在这里,具体的实现方式以及相关解释不再赘述。
第三步,对于上述各个发饰类物品中的每个发饰类物品,执行以下第一匹配步骤以生成物品搭配信息:
第一子步骤,响应于确定存在上述耳饰类物品,根据上述发饰类物品的第二特征信息和上述各个耳饰类物品的第二特征信息集,生成表征上述发饰类物品与上述各个耳饰类物品之间关联关系的第一树模型。
在这里,具体的实现方式以及相关解释不再赘述。
第二子步骤,根据上述第一树模型,确定与上述发饰类物品相搭配的目标耳饰类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第三子步骤,确定上述各个手饰类物品中是否存在与上述发饰类物品和上述目标耳饰类物品相搭配的目标手饰类物品。
在这里,具体的实现方式以及相关解释不再赘述。
第四子步骤,响应于确定存在上述目标手饰类物品,根据上述上衣类物品、上述目标耳饰类物品、上述目标手饰类物品,生成物品搭配信息。
在这里,具体的实现方式以及相关解释不再赘述。
步骤503,从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。
在一些实施例中,上述执行主体可以从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。其中,上述目标搭配条件组中的各个目标搭配条件可以是预先确定的。作为示例,上述执行主体可以从上述物品搭配信息集中筛选出存在于预先建立的表中的物品搭配信息,得到目标物品搭配信息集。其中,预先建立的表存储着各个候选物品信息之间的各种搭配,即各种物品搭配信息。
在一些实施例的一些可选的实现方式中,上述目标搭配条件组包括:与物品的季节信息相关的目标搭配条件、与物品的第一风格信息相关联的目标搭配条件、与表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数相关的目标搭配条件。其中,上述与物品的季节信息相关的目标搭配条件可以是物品搭配信息中包括的至少两个候选物品信息对应物品集的季节信息是否是一致的。上述与物品的第一风格信息相关的目标搭配条件可以是物品搭配信息中包括的至少两个候选物品信息对应物品集的第一风格信息是否是一致的。上述表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数大于预定阈值。
在这里,表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数可以通过以下公式来确定:
其中,N可以是物品搭配信息中各个候选物品信息之间两两搭配的数量。w为候选物品信息组合的距离权重。dist(.)可以为候选物品信息相搭性距离,即两个候选物品信息相搭性特征向量的欧式距离。Vec 可以为候选物品信息的特征向量。
需要说明的是,分数越低,表示物品搭配信息中至少两个候选物品信息之间的搭配质量越高。
作为示例,物品搭配信息可以是:(A上衣的图像和名称,B下衣的图像和名称)。A上衣的季节信息是冬天。B下衣的季节信息可以是夏天。物品的季节信息相关的目标搭配条件可以是A上衣的季节信息和B下衣的季节信息是否是一致的。在本示例中,A上衣的季节信息与B下衣的季节信息相同,可以得到物品搭配信息满足物品的季节信息相关的目标搭配条件。同理,A上衣的第一风格信息是英伦风格。 B下衣的第一风格信息可以是商务风格。物品的第一风格信息相关的目标搭配条件可以是A上衣的第一风格信息和B下衣的第一风格信息是否是一致的。在本示例中,A上衣的第一风格信息与B下衣的第一风格信息相同,可以得到物品搭配信息不满足物品的第一风格信息相关的目标搭配条件。
步骤504,生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。
在一些实施例中,上述执行主体可以生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。作为示例,上述执行主体可以利用长短期记忆网络(LSTM,Long Short-Term Memory)来生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。
在一些实施例的一些可选的实现方式中,上述候选物品信息集中候选物品信息包括:物品图像和物品属性信息;以及上述生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,可以包括以下步骤:
第一步,将上述每个目标物品搭配信息对应的至少两个物品图像输入至预先训练的残差网络(Residual Network,ResNet)以生成上述目标物品搭配信息对应的第二风格信息。其中,上述残差网络可以是 ResNet-50。
第二步,根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,确定上述目标物品搭配信息对应的标题模板。作为示例,上述标题模板可以是:“季节”+“场景”+“形容词”+搭配。
第三步,根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,填写上述标题模板,得到填写后的标题模板作为上述每个目标物品搭配信息的标题。作为示例,上述目标物品搭配信息对应的标题模板可以是:“春季运动清爽搭配”。
可选地,上述步骤还包括:
第一步,确定上述每个目标物品搭配信息中上衣类物品或裙装类物品对应的候选物品信息的呈现信息。其中,上述呈现信息可以是宣传展示词。
第二步,将上述呈现信息输入至预先训练的编码与解码网络,得到上述上衣类物品或裙装类物品对应的候选物品信息的描述信息。作为示例,上述描述信息可以是:A上衣类物品,采用休闲的风格涉及,舒适的面料,手感细腻顺滑。
第三步,根据上述描述信息,利用相关文案生成模板,生成上述目标物品搭配信息的文案。作为示例,上述文案生成模板可以是:“描述信息”+“搭配物品名称”+“搭配风格整体描述”。
作为示例,上述执行主体可以根据描述信息,将文案生成模板所需的内容进行填写以生成上述目标物品搭配信息的文案。
作为又一个示例,上述文案可以是:这款羽绒服的领口采用了连帽的设计,能够有效的防止冷风的进入,呵护你的肌肤,搭配牛仔裤,简而不凡,轻松穿出好品味。
步骤504,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
在一些实施例中,上述执行主体可以根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
在一些实施例的一些可选的实现方式中,上述生成与上述目标物品搭配信息相关联的物品搭配图,可以包括以下步骤:
第一步,根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述目标物品搭配信息对应的第二风格信息,确定上述每个目标物品搭配信息对应的背景模板。
第二步,根据上述目标物品搭配信息和上述背景模板,确定颜色标识。其中,上述颜色标识可以是目标物品搭配信息中各个候选物品信息对应物品图像的主颜色。
作为示例,上述执行主体可以利用K均值聚类算法(k-means clusteringalgorithm)来确定颜色标识。
第三步,根据上述颜色标识、上述每个目标物品搭配信息、上述背景模板、上述每个目标物品搭配信息的文案和上述目标物品搭配信息的标题,生成上述目标物品搭配信息相关联的物品搭配图。作为示例,上述执行主体可以根据预定格式将上述颜色标识、上述每个目标物品搭配信息、上述背景模板、上述每个目标物品搭配信息的文案和上述目标物品搭配信息的标题进行搭配以生成上述目标物品搭配信息相关联的物品搭配图。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的图像生成方法可以快捷、高效的生成与目标物品搭配信息相关联的物品搭配图。具体来说,由人工进行服饰搭配和生成对应的文字描述往往需要耗费大量的人力和时间,并且较难快速的大量搭配服饰和生成对应的文字描述,难以满足上述产品网络呈现平台的服饰类内容需求,造成转化率较低。基于此,本公开的一些实施例的图像生成方法可以首先根据物品信息集,生成用于后续物品搭配的候选物品信息集。在这里,生成物品搭配图的物品信息集中可能存在物品信息不满足物品搭配图生成条件的物品信息。需要对物品信息集进行处理,得到候选物品信息集以用于后续生成满足人们需求的物品搭配图。然后,根据上述候选物品信息集,生成物品搭配信息集。其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息。进而,从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。需要说明的是,通过候选物品信息集生成的物品搭配信息集中的各个物品搭配信息中可能存在至少两个候选物品信息不搭配的情况,所以需要从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集以用于后续生成优质的物品搭配图集。接着,生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。最后,根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,可以准确、高效的生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
进一步参考图6,示出了根据本公开的图像生成方法的另一些实施例的流程600。该图像生成方法,包括以下步骤:
步骤601,从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。
在一些实施例中,执行主体(例如图1所示的电子设备)可以从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。其中,上述物品信息集中物品信息包括:物品图像。作为示例,上述预定条件可以是物品信息包括的物品图像不存在图像残缺。
在一些实施例的一些可选的实现方式中,上述从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集,可以包括以下步骤:
第一步,将上述物品信息集对应的物品图像集中的每个物品图像输入至预先训练的二分类算法网络,以输出上述物品图像对应的质量信息,得到质量信息集。其中,上述质量信息可以为概率数值。概率数值越大,表征物品图像质量越好。上述二分类算法网络可以是 SE-ResNeXt。上述二分类算法网络的损失函数可以是以下公式:
L=W1·softmax(GTimg,Pimg)+W2·softmax(GTcategory,Pcategory),
其中,W1和W2可以是物品图像质量分类和类目分类的损失权重。 softmax(.)代表softmax损失函数。GTimg和Pimg分别是物品图像质量分类任务的真实值和预测值。GTcategory和Pcategory分别代表物品类目分类的真实值和预测值。
第二步,根据上述质量信息集,从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。作为示例,上述执行主体可以从上述物品信息集对应的物品图像集中筛选出质量信息大于预定阈值的物品图像集
步骤602,对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集。
在一些实施例中,上述执行主体可以对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集。
在一些实施例的一些可选的实现方式中,上述对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集,可以包括以下步骤:
第一步,提取上述筛选后的物品图像集中每个筛选后的物品图像的第一特征信息,得到第一特征信息集。作为示例,上述执行主体可以将上述筛选后的物品图像集中每个筛选后的物品图像输入至预先训练的特征提取模型以输出第一特征信息,得到第一特征信息集。
第二步,确定上述筛选后的物品图像集对应物品集中各个物品的物品类目。作为示例,上述执行主体可以通过查询的方式来确定上述筛选后的物品图像集对应物品集中各个物品的物品类目。
第三步,依据上述各个物品的物品类目,对上述物品集中各个物品进行物品分类,得到至少一个物品子集。
第四步,确定上述至少一个物品子集中的物品子集中每两个物品对应的第一特征信息集之间的相似度以生成相似度集,得到相似度集组。其中,相似度可以是两个第一特征信息之间的欧式距离。
第五步,根据上述相似度集组,确定上述去重后的候选物品图像集。作为示例,对于相似度小于预定阈值的组合,可以认为是相同或相似度极高的物品图像,上述执行主体可以随机保留其中的一个物品图像。
步骤603,根据上述去重后的候选物品图像集,生成上述候选物品信息集。
在一些实施例中,上述执行主体可以根据上述去重后的候选物品图像集,生成上述候选物品信息集。作为示例,上述执行主体可以首先确定去重后的候选物品图像集对应的候选物品信息集。然后,将上述去重后的候选物品图像集对应的候选物品信息集确定为上述候选物品信息集。
在一些实施例的一些可选的实现方式中,上述物品信息集中物品信息还包括:物品属性信息;以及上述根据上述去重后的候选物品图像集,生成上述候选物品信息集,可以包括以下步骤:
第一步,响应于目标物品属性信息集存在,对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,得到处理后的目标物品属性信息集。其中,上述目标物品属性信息集中目标物品属性信息是上述去重后的候选物品图像集对应物品属性信息集中,存在信息待修改和/或信息空缺的物品属性信息。
第二步,根据上述处理后的目标物品属性信息集,生成上述候选物品信息集。作为示例,上述执行主体可以将上述处理后的目标物品属性信息集确定为上述候选物品信息集。
可选地,上述物品属性信息包括:物品类目、物品的季节信息、物品的第一风格信息;以及上述对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,可以包括以下步骤:
第一步,响应于确定上述目标物品属性信息存在季节信息缺失,对上述目标物品属性信息进行季节信息填充。
作为示例,上述执行主体可以首先构建物品关键词与季节对应关系表,例如<羽绒服,冬季>,<加厚,冬季>,<凉鞋,夏季>。然后,对物品的标题文本进行遍历,若物品标题中包含明显的季节词语,如春季、秋冬款等,则以季节词语对应的季节作为预测结果。否则,检查物品标题中是否包含关键词表中词汇,从而确定季节信息。
需要说明的是,对于通过各种方法还无法确定季节信息的目标物品属性信息可以进行去除。
第二步,响应于确定上述目标物品属性信息存在物品类目待修改,对上述目标物品属性信息进行类目修改。
第三步,响应于确定上述目标物品属性信息存在第一风格信息缺失,对上述目标物品属性信息进行第一风格信息填充。对于第一风格信息的填充,可以参考季节信息的填充,在此不再赘述。
步骤604,根据上述候选物品信息集,生成物品搭配信息集。
步骤605,从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。
步骤606,生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。
步骤607,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
在一些实施例中,步骤604-607的具体实现及其所带来的技术效果,可以参考图5对应的实施例中的步骤502-505,在此不再赘述。
从图6中可以看出,与图5对应的一些实施例的描述相比,图6 对应的一些实施例中的图像生成方法的流程600更加突出了生成用于后续物品搭配的候选物品信息集的具体步骤。由此,这些实施例描述的方案通过从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集和图像去重处理生成的候选物品信息可以使后续物品搭配图的生成更为高效、优质,除此之外,极大提高了生成物品搭配图的转化率。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种图像生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,一种图像生成装置700包括:第一生成单元701、第二生成单元702、第三生成单元703、筛选单元704和第四生成单元 705。其中,第一生成单元701被配置成:根据物品信息集,生成用于后续物品搭配的候选物品信息集。第二生成单元702被配置成:根据上述候选物品信息集,生成物品搭配信息集,其中,上述物品搭配信息集中的物品搭配信息是由至少两个候选物品信息组成的。第三生成单元703被配置成:从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集。筛选单元704被配置成:生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集。第四生成单元705被配置成:根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
在一些实施例的一些可选的实现方式中,上述物品信息集中物品信息包括:物品图像;以及上述图像生成装置700中第一生成单元701 可以进一步被配置成:从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集;对上述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集;根据上述去重后的候选物品图像集,生成上述候选物品信息集。
在一些实施例的一些可选的实现方式中,上述物品信息集中物品信息还包括:物品属性信息;以及上述图像生成装置700中第一生成单元701可以进一步被配置成:响应于目标物品属性信息集存在,对上述目标物品属性信息集中每个目标物品属性信息进行修改处理和/ 或填补处理,得到处理后的目标物品属性信息集,其中,上述目标物品属性信息集中目标物品属性信息是上述去重后的候选物品图像集对应物品属性信息集中,存在信息待修改和/或信息空缺的物品属性信息;根据上述处理后的目标物品属性信息集,生成上述候选物品信息集。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第一生成单元701可以进一步被配置成:将上述物品信息集对应的物品图像集中的每个物品图像输入至预先训练的二分类算法网络,以输出上述物品图像对应的质量信息,得到质量信息集;根据上述质量信息集,从上述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第一生成单元701可以进一步被配置成:提取上述筛选后的物品图像集中每个筛选后的物品图像的第一特征信息,得到第一特征信息集;确定上述筛选后的物品图像集对应物品集中各个物品的物品类目;依据上述各个物品的物品类目,对上述物品集中各个物品进行物品分类,得到至少一个物品子集;确定上述至少一个物品子集中的物品子集中每两个物品对应的第一特征信息集之间的相似度以生成相似度集,得到相似度集组;根据上述相似度集组,确定上述去重后的候选物品图像集。
在一些实施例的一些可选的实现方式中,上述物品属性信息包括:物品类目、物品的季节信息、物品的第一风格信息;以及上述图像生成装置700中第一生成单元701可以进一步被配置成:响应于确定上述目标物品属性信息存在季节信息缺失的问题,对上述目标物品属性信息进行季节信息填充;响应于确定上述目标物品属性信息存在物品类目待修改的问题,对上述目标物品属性信息进行类目修改;响应于确定上述目标物品属性信息存在第一风格信息缺失的问题,对上述目标物品属性信息进行第一风格信息填充。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第二生成单元702可以进一步被配置成:根据上述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集,其中,上述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个裙装类物品,各个鞋靴类物品,各个箱包类物品;利用特征提取网络提取上述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集;对于上述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:根据上述上衣类物品的第二特征信息和上述各个下衣类物品的第二特征信息集,生成表征上述上衣类物品与上述各个下衣类物品之间关联关系的第一树模型;根据上述第一树模型,确定与上述上衣类物品相搭配的目标下衣类物品;确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标鞋靴类物品;确定上述各个箱包类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品;响应于确定存在上述第一目标鞋靴类物品和上述第一目标箱包类物品,根据上述上衣类物品、上述目标下衣类物品、上述第一目标箱包类物品和上述第一目标鞋靴类物品,生成物品搭配信息。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第二生成单元702可以进一步被配置成:根据上述上衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述上衣类物品与上述各个鞋靴类物品之间关联关系的第二树模型;根据上述第二树模型,确定与上述上衣类物品搭配的第一鞋靴类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个鞋靴类物品之间关联关系的第三树模型;根据上述第三树模型,确定与上述目标下衣类物品搭配的第二鞋靴类物品子集;根据上述第一鞋靴类物品子集和上述第二鞋靴类物品子集,确定上述各个鞋靴类物品中是否存在与上述上衣类物品和上述目标下衣类物品搭配的第一目标鞋靴类物品。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第二生成单元702可以进一步被配置成:根据上述上衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述上衣类物品与上述各个箱包类物品之间关联关系的第四树模型;根据上述第四树模型,确定与上述上衣类物品搭配的第一箱包类物品子集;根据上述目标下衣类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述目标下衣类物品与上述各个箱包类物品之间关联关系的第五树模型;根据上述第五树模型,确定与上述目标下衣类物品搭配的第二箱包类物品子集;根据上述第一箱包类物品子集和上述第二箱包类物品子集,确定上述各个类物品中是否存在与上述上衣类物品和上述目标下衣类物品相搭配的第一目标箱包类物品。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第二生成单元702可以进一步被配置成:对于上述各个裙装类物品中每个裙装类物品,执行以下第二匹配步骤以生成物品搭配信息:根据上述裙装类物品的第二特征信息和上述各个箱包类物品的第二特征信息集,生成表征上述裙装类物品与上述各个箱包类物品之间关联关系的第六树模型;根据上述第六树模型,确定上述各个箱包类物品中的第二目标箱包类物品;根据上述裙装类物品的第二特征信息和上述各个鞋靴类物品的第二特征信息集,生成表征上述裙装类物品与上述各个鞋靴类物品之间关联关系的第七树模型;根据上述第七树模型,确定上述各个箱包类物品中的第二目标鞋靴类物品;根据上述裙装类物品、上述第二目标箱包类物品和上述第二目标鞋靴类物品,生成上述物品搭配信息。
在一些实施例的一些可选的实现方式中,上述候选物品信息集中候选物品信息包括:物品图像和物品属性信息;上述图像生成装置700 中第三生成单元704可以进一步被配置成:将上述每个目标物品搭配信息对应的至少两个物品图像输入至预先训练的残差网络以生成上述目标物品搭配信息对应的第二风格信息;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,确定上述目标物品搭配信息对应的标题模板;根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述每个目标物品搭配信息对应的第二风格信息,填写上述标题模板,得到填写后的标题模板作为上述每个目标物品搭配信息的标题。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第三生成单元704可以进一步被配置成:确定上述每个目标物品搭配信息中上衣类物品或裙装类物品对应的候选物品信息的呈现信息;将上述呈现信息输入至预先训练的编码与解码网络,得到上述上衣类物品或裙装类物品对应的候选物品信息的描述信息;根据上述描述信息,利用相关文案生成模板,生成上述目标物品搭配信息的文案。
在一些实施例的一些可选的实现方式中,上述图像生成装置700 中第四生成单元705可以进一步被配置成:根据上述每个目标物品搭配信息中各个候选物品信息的物品属性信息和上述目标物品搭配信息对应的第二风格信息,确定上述每个目标物品搭配信息对应的背景模板;根据上述目标物品搭配信息和上述背景模板,确定颜色标识;根据上述颜色标识、上述每个目标物品搭配信息、上述背景模板、上述每个目标物品搭配信息的文案和上述目标物品搭配信息的标题,生成上述目标物品搭配信息相关联的物品搭配图。
可以理解的是,该装置700中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置700及其中包含的单元,在此不再赘述。
下面参考图8,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)800的结构示意图。图8示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线 804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述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。在本公开的一些实施例中,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。而在本公开的一些实施例中,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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP (HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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该电子设备执行时,使得该电子设备:根据物品信息集,生成用于后续物品搭配的候选物品信息集;根据上述候选物品信息集,生成物品搭配信息集,其中,上述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;从上述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;生成与上述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;根据上述目标物品搭配信息集中每个目标物品搭配信息、上述文案集中与上述目标物品搭配信息对应的文案信息和上述标题集中与上述目标物品搭配信息对应的标题,生成与上述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:第一生成单元、第二生成单元、筛选单元、第三生成单元和第四生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一生成单元还可以被描述为“根据物品信息集,生成用于后续物品搭配的候选物品信息集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD) 等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (17)
1.一种图像生成方法,包括:
根据物品信息集,生成用于后续物品搭配的候选物品信息集;
根据所述候选物品信息集,生成物品搭配信息集,其中,所述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;
从所述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;
生成与所述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;
根据所述目标物品搭配信息集中每个目标物品搭配信息、所述文案集中与所述目标物品搭配信息对应的文案信息和所述标题集中与所述目标物品搭配信息对应的标题,生成与所述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
2.根据权利要求1所述的方法,其中,所述物品信息集中物品信息包括:物品图像;以及
所述根据物品信息集,生成用于后续物品搭配的候选物品信息集,包括:
从所述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集;
对所述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集;
根据所述去重后的候选物品图像集,生成所述候选物品信息集。
3.根据权利要求2所述的方法,其中,所述物品信息集中物品信息还包括:物品属性信息;以及
所述根据所述去重后的候选物品图像集,生成所述候选物品信息集,包括:
响应于目标物品属性信息集存在,对所述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,得到处理后的目标物品属性信息集,其中,所述目标物品属性信息集中目标物品属性信息是所述去重后的候选物品图像集对应物品属性信息集中,存在信息待修改和/或信息空缺的物品属性信息;
根据所述处理后的目标物品属性信息集,生成所述候选物品信息集。
4.根据权利要求2所述的方法,其中,所述从所述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集,包括:
将所述物品信息集对应的物品图像集中的每个物品图像输入至预先训练的二分类算法网络,以输出所述物品图像对应的质量信息,得到质量信息集;
根据所述质量信息集,从所述物品信息集对应的物品图像集中筛选出图像质量满足预定条件的物品图像集作为筛选后的物品图像集。
5.根据权利要求2所述的方法,其中,所述对所述筛选后的物品图像集进行图像去重处理,得到去重后的候选物品图像集,包括:
提取所述筛选后的物品图像集中每个筛选后的物品图像的第一特征信息,得到第一特征信息集;
确定所述筛选后的物品图像集对应物品集中各个物品的物品类目;
依据所述各个物品的物品类目,对所述物品集中各个物品进行物品分类,得到至少一个物品子集;
确定所述至少一个物品子集中的物品子集中每两个物品对应的第一特征信息集之间的相似度以生成相似度集,得到相似度集组;
根据所述相似度集组,确定所述去重后的候选物品图像集。
6.根据权利要求3所述的方法,其中,所述物品属性信息包括:物品类目、物品的季节信息、物品的第一风格信息;以及
所述对所述目标物品属性信息集中每个目标物品属性信息进行修改处理和/或填补处理,包括:
响应于确定所述目标物品属性信息存在季节信息缺失,对所述目标物品属性信息进行季节信息填充;
响应于确定所述目标物品属性信息存在物品类目待修改,对所述目标物品属性信息进行类目修改;
响应于确定所述目标物品属性信息存在第一风格信息缺失,对所述目标物品属性信息进行第一风格信息填充。
7.根据权利要求1所述的方法,其中,所述根据所述候选物品信息集,生成物品搭配信息集,包括:
根据所述候选物品信息集对应物品集中每个物品所属的种类,确定各个种类的物品子集,其中,所述各个种类的物品子集包括以下至少两项:各个上衣类物品,各个下衣类物品,各个裙装类物品,各个鞋靴类物品,各个箱包类物品;
利用特征提取网络提取所述候选物品信息集中每个候选物品信息的第二特征信息,得到第二特征信息集;
对于所述各个上衣类物品中的每个上衣类物品,执行以下第一匹配步骤以生成物品搭配信息:
根据所述上衣类物品的第二特征信息和所述各个下衣类物品的第二特征信息集,生成表征所述上衣类物品与所述各个下衣类物品之间关联关系的第一树模型;
根据所述第一树模型,确定与所述上衣类物品相搭配的目标下衣类物品;
确定所述各个鞋靴类物品中是否存在与所述上衣类物品和所述目标下衣类物品相搭配的第一目标鞋靴类物品;
确定所述各个箱包类物品中是否存在与所述上衣类物品和所述目标下衣类物品相搭配的第一目标箱包类物品;
响应于确定存在所述第一目标鞋靴类物品和所述第一目标箱包类物品,根据所述上衣类物品、所述目标下衣类物品、所述第一目标箱包类物品和所述第一目标鞋靴类物品,生成物品搭配信息。
8.根据权利要求7所述的方法,其中,所述确定所述各个鞋靴类物品中是否存在与所述上衣类物品和所述目标下衣类物品相搭配的第一目标鞋靴类物品,包括:
根据所述上衣类物品的第二特征信息和所述各个鞋靴类物品的第二特征信息集,生成表征所述上衣类物品与所述各个鞋靴类物品之间关联关系的第二树模型;
根据所述第二树模型,确定与所述上衣类物品搭配的第一鞋靴类物品子集;
根据所述目标下衣类物品的第二特征信息和所述各个鞋靴类物品的第二特征信息集,生成表征所述目标下衣类物品与所述各个鞋靴类物品之间关联关系的第三树模型;
根据所述第三树模型,确定与所述目标下衣类物品搭配的第二鞋靴类物品子集;
根据所述第一鞋靴类物品子集和所述第二鞋靴类物品子集,确定所述各个鞋靴类物品中是否存在与所述上衣类物品和所述目标下衣类物品搭配的第一目标鞋靴类物品。
9.根据权利要求7所述的方法,其中,所述确定所述各个箱包类物品中是否存在与所述上衣类物品和所述目标下衣类物品相搭配的第一目标箱包类物品,包括:
根据所述上衣类物品的第二特征信息和所述各个箱包类物品的第二特征信息集,生成表征所述上衣类物品与所述各个箱包类物品之间关联关系的第四树模型;
根据所述第四树模型,确定与所述上衣类物品搭配的第一箱包类物品子集;
根据所述目标下衣类物品的第二特征信息和所述各个箱包类物品的第二特征信息集,生成表征所述目标下衣类物品与所述各个箱包类物品之间关联关系的第五树模型;
根据所述第五树模型,确定与所述目标下衣类物品搭配的第二箱包类物品子集;
根据所述第一箱包类物品子集和所述第二箱包类物品子集,确定所述各个类物品中是否存在与所述上衣类物品和所述目标下衣类物品相搭配的第一目标箱包类物品。
10.根据权利要求7所述的方法,其中,所述方法还包括:
对于所述各个裙装类物品中每个裙装类物品,执行以下第二匹配步骤以生成物品搭配信息:
根据所述裙装类物品的第二特征信息和所述各个箱包类物品的第二特征信息集,生成表征所述裙装类物品与所述各个箱包类物品之间关联关系的第六树模型;
根据所述第六树模型,确定所述各个箱包类物品中的第二目标箱包类物品;
根据所述裙装类物品的第二特征信息和所述各个鞋靴类物品的第二特征信息集,生成表征所述裙装类物品与所述各个鞋靴类物品之间关联关系的第七树模型;
根据所述第七树模型,确定所述各个箱包类物品中的第二目标鞋靴类物品;
根据所述裙装类物品、所述第二目标箱包类物品和所述第二目标鞋靴类物品,生成所述物品搭配信息。
11.根据权利要求1所述的方法,其中,所述目标搭配条件组包括:与物品的季节信息相关的目标搭配条件、与物品的第一风格信息相关联的目标搭配条件、与表征物品搭配信息中至少两个候选物品信息之间撘配程度的分数相关的目标搭配条件。
12.根据权利要求1所述的方法,其中,所述候选物品信息集中候选物品信息包括:物品图像和物品属性信息;以及
所述生成与所述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,包括:
将所述每个目标物品搭配信息对应的至少两个物品图像输入至预先训练的残差网络以生成所述目标物品搭配信息对应的第二风格信息;
根据所述每个目标物品搭配信息中各个候选物品信息的物品属性信息和所述每个目标物品搭配信息对应的第二风格信息,确定所述目标物品搭配信息对应的标题模板;
根据所述每个目标物品搭配信息中各个候选物品信息的物品属性信息和所述每个目标物品搭配信息对应的第二风格信息,填写所述标题模板,得到填写后的标题模板作为所述每个目标物品搭配信息的标题。
13.根据权利要求12所述的方法,其中,所述方法还包括:
确定所述每个目标物品搭配信息中上衣类物品或裙装类物品对应的候选物品信息的呈现信息;
将所述呈现信息输入至预先训练的编码与解码网络,得到所述上衣类物品或裙装类物品对应的候选物品信息的描述信息;
根据所述描述信息,利用相关文案生成模板,生成所述目标物品搭配信息的文案。
14.根据权利要求13所述的方法,其中,所述生成与所述目标物品搭配信息相关联的物品搭配图,包括:
根据所述每个目标物品搭配信息中各个候选物品信息的物品属性信息和所述目标物品搭配信息对应的第二风格信息,确定所述每个目标物品搭配信息对应的背景模板;
根据所述目标物品搭配信息和所述背景模板,确定颜色标识;
根据所述颜色标识、所述每个目标物品搭配信息、所述背景模板、所述每个目标物品搭配信息的文案和所述目标物品搭配信息的标题,生成所述目标物品搭配信息相关联的物品搭配图。
15.一种图像生成装置,包括:
第一生成单元,被配置成根据物品信息集,生成用于后续物品搭配的候选物品信息集;
第二生成单元,被配置成根据所述候选物品信息集,生成物品搭配信息集,其中,所述物品搭配信息集中的物品搭配信息包括:至少两个候选物品信息;
筛选单元,被配置成从所述物品搭配信息集中筛选出满足目标搭配条件组的目标物品搭配信息集;
第三生成单元,被配置成生成与所述目标物品搭配信息集中每个目标物品搭配信息的文案和标题,得到文案集和标题集;
第四生成单元,被配置成根据所述目标物品搭配信息集中每个目标物品搭配信息、所述文案集中与所述目标物品搭配信息对应的文案信息和所述标题集中与所述目标物品搭配信息对应的标题,生成与所述目标物品搭配信息相关联的物品搭配图,得到物品搭配图集。
16.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-14中任一所述的方法。
17.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-14中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436637.5A CN115239402A (zh) | 2021-04-22 | 2021-04-22 | 图像生成方法、装置、电子设备和计算机可读介质 |
PCT/CN2022/086031 WO2022222779A1 (zh) | 2021-04-22 | 2022-04-11 | 图像生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436637.5A CN115239402A (zh) | 2021-04-22 | 2021-04-22 | 图像生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239402A true CN115239402A (zh) | 2022-10-25 |
Family
ID=83666726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110436637.5A Pending CN115239402A (zh) | 2021-04-22 | 2021-04-22 | 图像生成方法、装置、电子设备和计算机可读介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115239402A (zh) |
WO (1) | WO2022222779A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118365972A (zh) * | 2024-06-19 | 2024-07-19 | 浙江口碑网络技术有限公司 | 物品图像生成方法、装置、电子设备与存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464269A (zh) * | 2016-06-02 | 2017-12-12 | 阿里巴巴集团控股有限公司 | 搭配效果图的生成方法、装置及系统 |
CN110309412A (zh) * | 2018-03-15 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 提供服饰搭配信息的方法、装置及电子设备 |
CN108958062B (zh) * | 2018-08-09 | 2021-04-06 | 褚昱川 | 一种基于智能衣橱的衣物搭配方法及装置 |
CN110321537B (zh) * | 2019-06-11 | 2023-04-07 | 创新先进技术有限公司 | 一种文案生成方法和装置 |
CN111191135A (zh) * | 2019-12-31 | 2020-05-22 | 西安帝凡合赢科技发展有限公司 | 一种衣着搭配推荐方法及系统 |
CN111582979A (zh) * | 2020-04-29 | 2020-08-25 | 上海风秩科技有限公司 | 服饰搭配推荐方法和装置及电子设备 |
-
2021
- 2021-04-22 CN CN202110436637.5A patent/CN115239402A/zh active Pending
-
2022
- 2022-04-11 WO PCT/CN2022/086031 patent/WO2022222779A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118365972A (zh) * | 2024-06-19 | 2024-07-19 | 浙江口碑网络技术有限公司 | 物品图像生成方法、装置、电子设备与存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022222779A1 (zh) | 2022-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021238631A1 (zh) | 物品信息的显示方法、装置、设备及可读存储介质 | |
Jin et al. | Deep image aesthetics classification using inception modules and fine-tuning connected layer | |
US11809985B2 (en) | Algorithmic apparel recommendation | |
CN108288208B (zh) | 基于图像内容的展示对象确定方法、装置、介质及设备 | |
CN108307240A (zh) | 视频推荐方法和装置 | |
US20210117687A1 (en) | Image processing method, image processing device, and storage medium | |
CN113870133B (zh) | 多媒体显示及匹配方法、装置、设备及介质 | |
CN113434716B (zh) | 一种跨模态信息检索方法和装置 | |
CN114638646A (zh) | 广告投放推荐方法及其装置、设备、介质、产品 | |
CN113779303B (zh) | 视频集合的索引方法、装置和存储介质及电子设备 | |
CN110502664A (zh) | 视频标签索引库创建方法、视频标签生成方法及装置 | |
CN111767420B (zh) | 一种生成服饰搭配数据的方法和装置 | |
CN113590854A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
WO2023024413A1 (zh) | 信息的匹配方法、装置、计算机设备及可读存储介质 | |
CN110990563A (zh) | 一种基于人工智能的传统文化素材库构建方法及系统 | |
CN107358490A (zh) | 一种图像匹配方法、装置及电子设备 | |
CN109447273A (zh) | 模型训练方法、广告推荐方法、相关装置、设备及介质 | |
CN111310025B (zh) | 模型训练方法、数据处理方法、装置以及相关设备 | |
CN115861747A (zh) | 图像生成方法、装置、电子设备及存储介质 | |
CN109241299A (zh) | 多媒体资源搜索方法、装置、存储介质及设备 | |
CN110413825B (zh) | 面向时尚电商的街拍推荐系统 | |
CN115222858A (zh) | 动画重构网络的训练及其图像重构、视频重构方法与设备 | |
CN115239402A (zh) | 图像生成方法、装置、电子设备和计算机可读介质 | |
CN113822127A (zh) | 视频处理方法、装置、视频处理设备及存储介质 | |
CN116933854B (zh) | 图像生成模型的处理方法、装置、设备和存储介质 |
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 |