CN115454942A - 素材生成方法、装置、计算机设备和存储介质 - Google Patents
素材生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115454942A CN115454942A CN202211053552.XA CN202211053552A CN115454942A CN 115454942 A CN115454942 A CN 115454942A CN 202211053552 A CN202211053552 A CN 202211053552A CN 115454942 A CN115454942 A CN 115454942A
- Authority
- CN
- China
- Prior art keywords
- information
- placeholder
- target
- vector group
- attribute information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/173—Customisation support for file systems, e.g. localisation, multi-language support, personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种素材生成方法、装置、计算机设备和存储介质。所述方法包括:获取素材需求信息,素材需求信息包括投放平台信息;根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;根据占位符的占位属性信息从元素库中匹配对应的目标元素;将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。采用本方法能够灵活生成符合不同投放平台要求的多样化素材。
Description
技术领域
本申请涉及计算机软件技术领域,特别是涉及一种素材生成方法、装置、计算机设备和存储介质。
背景技术
随着计算机软件技术的发展,出现了各种各样的电商平台,作为商家为了适应发展可能会同时接入多家电商平台,因此,针对不同的电商平台需要将素材进行相应格式转换后才能够进行投放。
传统技术中,需要针对不同的投放平台进行素材编辑,例如,编辑图片格式、本文大小、长宽比等,根据单一的编辑公式进行素材格式转换,使得不同平台呈现的素材单一、乏味,无法灵活生成符合不同投放平台要求的新素材。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高素材生成灵活性和多样化的素材生成方法、装置、计算机设备和存储介质。
一种素材生成方法,该方法包括:
获取素材需求信息,素材需求信息包括投放平台信息;
根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;
根据占位符的占位属性信息从元素库中匹配对应的目标元素;
将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
在其中一个实施例中,素材需求信息还包括素材尺寸信息、素材规格信息以及素材风格信息之中的至少一个。
在其中一个实施例中,素材需求信息为多个,根据素材需求信息确定目标素材模板,包括:
将各素材需求信息进行组合,生成第一向量组;
获取至少一个第二向量组;其中,第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;
计算第一向量组与各第二向量组的相似度;
根据计算得到的相似度确定目标素材模板。
在其中一个实施例中,占位符包括图像占位符。
在其中一个实施例中,图像占位符的占位属性信息包括图像尺寸信息、图像色系信息、图像风格信息以及图像场合信息之中的至少一个。
在其中一个实施例中,占位符包括文本占位符。
在其中一个实施例中,文本占位符的占位属性信息包括字体信息、文字大小信息、文字颜色信息、文本字数信息之中的至少一个。
在其中一个实施例中,根据占位符的占位属性信息从元素库中匹配对应的目标元素,包括:
根据图像占位符的占位属性信息生成第三向量组;
获取第五向量组;其中,第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;
计算第三向量组与各第五向量组的相似度;
根据计算得到的相似度确定目标图像元素。
在其中一个实施例中,根据占位符的占位属性信息从元素库中匹配对应的目标元素,包括:
根据文本占位符的占位属性信息生成第四向量组;
获取第六向量组;其中,第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;
计算第四向量组与各第六向量组的相似度;
根据计算得到的相似度确定目标文本元素。
在其中一个实施例中,得到与目标投放平台适配的新素材之后,该方法还包括:
调用预先训练的美学评价模型;
根据投放平台信息以及预先训练的美学评价模型对新素材进行评分;
将评分大于预设阈值的新素材作为目标素材推送至终端。
在其中一个实施例中,美学评价模型的训练方法包括:
获取不同投放平台的历史素材;
对各历史素材进行特征提取;
将各投放平台的美学标准以及各历史素材的特征作为模型输入,对美学评价模型进行训练。
一种素材生成装置,该装置包括:
需求获取模块,用于获取素材需求信息,素材需求信息包括投放平台信息;
模板筛选模块,用于根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;
元素筛选模块,用于根据占位符的占位属性信息从元素库中匹配对应的目标元素;
素材生成模块,用于将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项的素材生成方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项的素材生成方法的步骤。
上述素材生成方法、装置、计算机设备和存储介质,根据素材需求信息,确定目标素材模板,根据占位符的占位属性信息从元素库中匹配对应的目标元素;并将目标元素添加至占位符所指示的目标素材模板的各画板中的对应位置,得到与目标投放平台适配的新素材。采用本方法,能够灵活、快速地生成适配不同投放平台的素材,而且,生成的新素材内容丰富多样。
附图说明
图1为一个实施例中素材生成方法的应用环境图;
图2为一个实施例中素材生成方法的流程示意图;
图3为另一个实施例中素材生成方法的流程示意图;
图4为一个实施例中素材生成装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
在其中一个实施例中,本申请提供的素材生成方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。用户可以通过终端102输入素材需求信息,终端102将用户输入的素材需求信息发送至服务器104,服务器104接收终端102发送的素材需求信息,素材需求信息包括投放平台信息,根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息,根据占位符的占位属性信息从元素库中匹配对应的目标元素,将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。更进一步地,服务器104还可以将生成的新素材返回至终端102。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在其中一个实施例中,本申请涉及的素材生成方法还可以单独基于服务器或单独基于终端实现。
在其中一个实施例中,如图2所示,提供了一种素材生成方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202:获取素材需求信息,素材需求信息包括投放平台信息。
其中,素材需求信息是指表征用户对于待生成新素材的需求的信息,例如,素材需求信息可以包括投放平台信息、素材尺寸信息、素材规格信息以及素材风格信息之中的至少一个。投放平台信息是指表征待生成新素材被投放到的目标平台的信息,投放平台包括但不限于电商平台、视频平台、音乐平台、搜索平台、APP(Application,应用)平台等流量平台或应用服务平台等。
具体地,服务器可以接收素材需求信息,素材需求信息可以是用户基于终端录入或选择的,并通过终端以请求的形式发送至服务器。
步骤S204:根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息。
其中,目标素材模板是指与投放平台信息相匹配的一个或多个素材模板,素材模板可以预先根据不同投放平台的设计要求进行设计并存储。针对不同投放平台可以对应设置不同类型、数量或规格的画板,针对不同投放平台在画板中可以对应设置不同类型、数量、存在位置的占位符,针对不同投放平台在占位符中可以对应设置不同的占位符属性信息等等。目标投放平台是指投放平台信息所指定的平台。
具体地,服务器可以获取预先设计并存储的多个素材模板及其各自对应的模板属性信息,将预存的各素材模板的模板属性信息与用户指定的素材需求信息进行匹配,将匹配得到的素材模板作为目标素材模板,示例性地,可以根据匹配度筛选匹配度大于预设阈值的一个或多个素材模板作为目标素材模板。
在其中一个实施例中,素材需求信息还包括素材尺寸信息、素材规格信息以及素材风格信息之中的至少一个。其中,素材尺寸信息指的是素材的长、宽等表征显示尺寸的信息;素材规格信息指的是表征存储格式、适配系统、程序语言等规格的信息;素材风格信息指的是素材的风格标签,例如,节日、节气、颜色、场合、类别、展示目的等。
在其中一个实施例中,素材需求信息可以为多个,根据素材需求信息确定目标素材模板,包括:素材需求信息为多个,根据素材需求信息确定目标素材模板,包括:将各素材需求信息进行组合,生成第一向量组;获取至少一个第二向量组;其中,第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;计算第一向量组与各第二向量组的相似度;根据计算得到的相似度确定目标素材模板。
在本实施例中,可以将投放平台信息以及至少一个其他素材需求信息转换为特征,并经组合处理后生成特征向量组,也即是第一向量组。提取预存的各素材模板的模板属性信息,根据各素材模板的各模板属性信息分别生成各素材模板的特征向量组,也即是第二向量组,计算第一向量组以及第二向量组之间的相似度。更为具体地,可以采用余弦相似度函数计算,计算公式可以参考如下:
其中,A表示第一向量组,B表示第二向量组,n表示素材需求信息或模板属性信息的总个数。cosθ表示相似度。
更进一步地,还可以根据计算得到的每个素材模板的相似度,按照相似度从大到小的顺序进行排序,将相似度排在前N位的素材模板确定为目标像素模板。N可以根据需求取正整数。
在本实施例中,通过将投放平台信息以及其他素材需求信息进行组合,生成特征向量组,并根据生成的特征向量组进行相似度计算,能够更准确地从多个预存的素材模板中确定出符合投放平台要求的最优的一个或多个素材模板,从而能够确保素材基底的质量,进而提高生成素材的质量。
步骤S206:根据占位符的占位属性信息从元素库中匹配对应的目标元素。
其中,元素库可以包括图像元素库、文本元素库、文图混合元素库等,元素库中可以包括多个元素。占位符是指用于固定某一位置,等待往该位置中添加内容的符号,可以包括图像占位符和/或文本占位符不限,占位符的类型、数量、位置可以根据不同投放平台的要求布局至对应的素材模板中。占位属性信息是指占位符所占位置中待添加内容的属性信息。
示例性地,图像占位符的占位属性信息可以包括图像尺寸信息、图像色系信息、图像风格信息以及图像场合信息之中的至少一个;文本占位符的属性信息可以包括字体信息、文字大小信息、文字颜色信息、文本字数信息之中的至少一个。
具体地,服务器可以获取目标素材模板的画板中的各占位符,首先确定各占位符的类型,并获取各占位符对应携带的占位属性信息,根据各占位符的占位属性信息从对应类型的元素库中筛选目标元素。
在其中一个实施例中,占位符可以包括图像占位符,根据各占位符的占位属性信息从元素库中匹配对应的目标元素,包括:根据图像占位符的占位属性信息生成第三向量组;获取第五向量组;其中,第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;计算第三向量组与各第五向量组的相似度;根据计算得到的相似度确定目标图像元素。
在其中一个实施例中,占位符可以包括文本占位符,根据各占位符的占位属性信息从元素库中匹配对应的目标元素,包括:根据文本占位符的占位属性信息生成第四向量组;获取第六向量组;其中,第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;计算第四向量组与各第六向量组的相似度;根据计算得到的相似度确定目标文本元素。
在其中一个实施例中,占位符可以包括图像占位符和文本占位符,图像占位符和文本占位符可以分开设置在同一画板的不同位置或不同画板的不同位置;也可以经过融合处理后设置在同一画板的同一位置,也即是可以在图像占位符中插入文本占位符、或在文本占位符中插入图像占位符等等。
在上述的实施例中,可以分别根据各占位符所携带的占位属性信息从元素库中筛选对应的目标元素,并利用筛选的目标元素快速地替换各占位符,将目标元素快速、批量地添加至素材模板的各画板中,从而生成新素材,而且,通过分别将各占位符的占位属性信息作为特征,组合后生成各占位符对应的向量组,能够提高素材筛选的准确性,由于占位属性信息与各投放平台的要求和规则相关,因此,可以从复杂的元素库中自动、快速筛选符合平台要求的目标元素。
步骤S208:将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
具体地,服务器筛选出目标元素后,根据各占位符的指示,将各占位符对应的目标元素添加至目标素材模板的各画板中的对应位置,从而根据添加素材后的各画板生成新素材,生成的新素材可以被作为目标投放平台对应的素材进行推荐、使用、投放或存储等。
上述的素材生成方法,根据素材需求信息,确定目标素材模板,根据占位符的占位属性信息从元素库中匹配对应的目标元素;并将目标元素添加至占位符所指示的目标素材模板的各画板中的对应位置,得到与目标投放平台适配的新素材。采用本方法,能够灵活、快速地生成适配不同投放平台的素材,而且,生成的新素材内容丰富多样。
在其中一个实施例中,得到与目标投放平台适配的新素材之后,该方法还包括:调用预先训练的美学评价模型;根据投放平台信息以及预先训练的美学评价模型对新素材进行评分;将评分大于预设阈值的新素材作为目标素材推送至终端。
在本实施例中,服务器在生成新素材后还可以调用预先训练的美学评价模型,该美学评价模型可以预先根据不同投放平台的历史素材进行机器学习训练,训练后的美学评价模型能够反映新素材的特征与其对应的指定投放平台的美学匹配程度。进一步地,可以根据美学评价模型输出的评分以及预先设置的阈值判断生成的新素材是否有效。
示例性地,在批量生成素材时,也可以对批量生成的多个新素材分别进行评分,然后根据评分的高低进行排序,将评分最高的一个或较高的前几个作为目标素材返回至请求终端。
示例性地,美学评价模型的训练方法可以包括:获取不同投放平台的历史素材;对各历史素材进行特征提取;将各投放平台的美学标准以及各历史素材的特征作为模型输入,对美学评价模型进行训练。
本实施例,通过调用预先训练的美学评价模型对新素材进行评分,能够有效地筛选出高质量的素材,通过本方法,推送至终端的素材不仅在格式或风格上符合投放平台的要求、内容上丰富多样、而且整体显示效果也符合该投放平台的美学标准,从而能够快速得到符合不同投放平台要求的高质量的新素材。
下面,结合一个应用实例,对本申请所涉及的素材生成方法进行进一步说明。参考图3所示,具体可以包括以下步骤:
一、创建模版阶段
步骤S301:创建素材模板;
步骤S302:配置模板属性信息;也即是设计素材模版的尺寸、风格标签、适配场景等模板属性信息,并生成至少一个画板。
步骤S303:配置占位符和占位属性信息;在素材模版的画板中的合适位置上设计文本占位符和图像占位符,并设计这些占位符对应的占位属性信息。
步骤S304:保存素材模板;把素材模版的画板以及画板上相应位置设计的占位符以用户指定的格式存储下来。
二、生成素材阶段
步骤S305:获取素材需求信息;首先明确需求,比如素材需要投放的平台、需要的尺寸、色系等。
步骤S306:推荐素材模板;基于素材需求信息,系统可以筛选并推荐一个或一系列的目标素材模版。根据素材需求信息组成向量组A,根据模版属性信息组成向量组B,计算A与B的相似度,取相似度TOP N的素材模版推荐为目标素材模板并进入下一步骤。
步骤S307:推荐图像元素和文本元素;基于推荐的目标素材模版的画板和画板上的占位符的占位属性信息等,系统可以从元素库中筛选并推荐适合的文本元素和图像元素。
步骤S308:批量生成素材;将步骤2推荐的目标素材模版和步骤3推荐的文本元素和图像元素进行结合,批量生成新素材。
三、评价素材阶段
步骤S309:调用美学评价模型评价素材;结合美学评价模型,对新生成的新素材进行评价。
步骤S310:筛选优质素材返回终端;筛选出评分靠前的前N个优质新素材,推荐给用户使用。
应该理解的是,虽然图2和图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,如图4所示,提供了一种素材生成装置,包括:需求获取模块402、模板筛选模块404、元素筛选模块406和素材生成模块408,其中:
需求获取模块402,用于获取素材需求信息,素材需求信息包括投放平台信息;
模板筛选模块404,用于根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;
元素筛选模块406,用于根据占位符的占位属性信息从元素库中匹配对应的目标元素;
素材生成模块408,用于将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
在其中一个实施例中,模板筛选模块404将各素材需求信息进行组合,生成第一向量组;获取至少一个第二向量组;其中,第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;计算第一向量组与各第二向量组的相似度;根据计算得到的相似度确定目标素材模板。
在其中一个实施例中,元素筛选模块406根据图像占位符的占位属性信息生成第三向量组;获取第五向量组;其中,第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;计算第三向量组与各第五向量组的相似度;根据计算得到的相似度确定目标图像元素。
在其中一个实施例中,元素筛选模块406根据文本占位符的占位属性信息生成第四向量组;获取第六向量组;其中,第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;计算第四向量组与各第六向量组的相似度;根据计算得到的相似度确定目标文本元素。
在其中一个实施例中,该装置还包括素材评价模块410,素材评价模块410用于调用预先训练的美学评价模型;根据投放平台信息以及预先训练的美学评价模型对新素材进行评分;将评分大于预设阈值的新素材作为目标素材推送至终端。
在其中一个实施例中,素材评价模块410还用于获取不同投放平台的历史素材;对各历史素材进行特征提取;将各投放平台的美学标准以及各历史素材的特征作为模型输入,对美学评价模型进行训练。
关于素材生成装置的具体限定可以参见上文中对于素材生成方法的限定,在此不再赘述。上述素材生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种素材生成方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取素材需求信息,素材需求信息包括投放平台信息;根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;根据占位符的占位属性信息从元素库中匹配对应的目标元素;将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
在其中一个实施例中,处理器执行计算机程序实现根据素材需求信息确定目标素材模板时,具体实现以下步骤:将各素材需求信息进行组合,生成第一向量组;获取至少一个第二向量组;其中,第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;计算第一向量组与各第二向量组的相似度;根据计算得到的相似度确定目标素材模板。
在其中一个实施例中,处理器执行计算机程序实现根据占位符的占位属性信息从元素库中匹配对应的目标元素时,具体实现以下步骤:根据图像占位符的占位属性信息生成第三向量组;获取第五向量组;其中,第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;计算第三向量组与各第五向量组的相似度;根据计算得到的相似度确定目标图像元素。
在其中一个实施例中,处理器执行计算机程序实现根据占位符的占位属性信息从元素库中匹配对应的目标元素时,具体实现以下步骤:根据文本占位符的占位属性信息生成第四向量组;获取第六向量组;其中,第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;计算第四向量组与各第六向量组的相似度;根据计算得到的相似度确定目标文本元素。
在其中一个实施例中,处理器执行计算机程序还实现以下步骤:调用预先训练的美学评价模型;根据投放平台信息以及预先训练的美学评价模型对新素材进行评分;将评分大于预设阈值的新素材作为目标素材推送至终端。
在其中一个实施例中,处理器执行计算机程序还实现以下步骤:获取不同投放平台的历史素材;对各历史素材进行特征提取;将各投放平台的美学标准以及各历史素材的特征作为模型输入,对美学评价模型进行训练。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取素材需求信息,素材需求信息包括投放平台信息;根据素材需求信息确定目标素材模板,目标素材模板包括至少一个画板,画板中包括至少一个占位符,占位符携带与目标投放平台适配的占位属性信息;根据占位符的占位属性信息从元素库中匹配对应的目标元素;将目标元素添加至占位符所指示的画板中的对应位置,得到与目标投放平台适配的新素材。
在其中一个实施例中,计算机程序被处理器执行实现根据素材需求信息确定目标素材模板时,具体实现以下步骤:将各素材需求信息进行组合,生成第一向量组;获取至少一个第二向量组;其中,第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;计算第一向量组与各第二向量组的相似度;根据计算得到的相似度确定目标素材模板。
在其中一个实施例中,计算机程序被处理器执行实现根据占位符的占位属性信息从元素库中匹配对应的目标元素时,具体实现以下步骤:根据图像占位符的占位属性信息生成第三向量组;获取第五向量组;其中,第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;计算第三向量组与各第五向量组的相似度;根据计算得到的相似度确定目标图像元素。
在其中一个实施例中,计算机程序被处理器执行实现根据占位符的占位属性信息从元素库中匹配对应的目标元素时,具体实现以下步骤:根据文本占位符的占位属性信息生成第四向量组;获取第六向量组;其中,第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;计算第四向量组与各第六向量组的相似度;根据计算得到的相似度确定目标文本元素。
在其中一个实施例中,计算机程序被处理器执行还实现以下步骤:调用预先训练的美学评价模型;根据投放平台信息以及预先训练的美学评价模型对新素材进行评分;将评分大于预设阈值的新素材作为目标素材推送至终端。
在其中一个实施例中,计算机程序被处理器执行还实现以下步骤:获取不同投放平台的历史素材;对各历史素材进行特征提取;将各投放平台的美学标准以及各历史素材的特征作为模型输入,对美学评价模型进行训练。
本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符一般表示前后关联对象是一种“或”的关系。
需要说明的是,在本发明中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序;术语“S202”、“S204”、“S301”、“S302”等用于区别步骤,而不必理解为按照特定的顺序或先后次序执行方法步骤;下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。本发明中的多个包括两个及两个以上,另有说明的除外
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种素材生成方法,所述方法包括:
获取素材需求信息,所述素材需求信息包括投放平台信息;
根据所述素材需求信息确定目标素材模板,所述目标素材模板包括至少一个画板,所述画板中包括至少一个占位符,所述占位符携带与目标投放平台适配的占位属性信息;
根据所述占位符的占位属性信息从元素库中匹配对应的目标元素;
将所述目标元素添加至所述占位符所指示的所述画板中的对应位置,得到与所述目标投放平台适配的新素材。
2.根据权利要求1所述的方法,其特征在于,所述素材需求信息还包括素材尺寸信息、素材规格信息以及素材风格信息之中的至少一个。
3.根据权利要求1所述的方法,其特征在于,所述素材需求信息为多个,所述根据所述素材需求信息确定目标素材模板,包括:
将各所述素材需求信息进行组合,生成第一向量组;
获取至少一个第二向量组;其中,所述第二向量组是由预先构建的各素材模板的模板属性信息所生成的向量组;
计算所述第一向量组与各所述第二向量组的相似度;
根据计算得到的相似度确定目标素材模板。
4.根据权利要求1所述的方法,其特征在于,所述占位符包括图像占位符和/或文本占位符;其中,
所述图像占位符的占位属性信息包括图像尺寸信息、图像色系信息、图像风格信息以及图像场合信息之中的至少一个;和/或
所述文本占位符的占位属性信息包括字体信息、文字大小信息、文字颜色信息、文本字数信息之中的至少一个。
5.根据权利要求4所述的方法,其特征在于,所述根据所述占位符的占位属性信息从元素库中匹配对应的目标元素,包括:
根据所述图像占位符的占位属性信息生成第三向量组;
获取第五向量组;其中,所述第五向量组是由图像元素库中各图像元素对应的属性信息所生成的向量组;
计算所述第三向量组与各所述第五向量组的相似度;
根据计算得到的相似度确定目标图像元素;和/或
根据所述文本占位符的占位属性信息生成第四向量组;
获取第六向量组;其中,所述第六向量组是由文本元素库中各文本元素对应的属性信息所生成的向量组;
计算所述第四向量组与各所述第六向量组的相似度;
根据计算得到的相似度确定目标文本元素。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述得到与所述目标投放平台适配的新素材之后,所述方法还包括:
调用预先训练的美学评价模型;
根据所述投放平台信息以及预先训练的所述美学评价模型对所述新素材进行评分;
将评分大于预设阈值的所述新素材作为目标素材推送至终端。
7.根据权利要求6所述的方法,其特征在于,所述美学评价模型的训练方法包括:
获取不同投放平台的历史素材;
对各所述历史素材进行特征提取;
将各所述投放平台的美学标准以及各所述历史素材的特征作为模型输入,对所述美学评价模型进行训练。
8.一种素材生成装置,其特征在于,所述装置包括:
需求获取模块,用于获取素材需求信息,所述素材需求信息包括投放平台信息;
模板筛选模块,用于根据所述素材需求信息确定目标素材模板,所述目标素材模板包括至少一个画板,所述画板中包括至少一个占位符,所述占位符携带与所述目标投放平台适配的占位属性信息;
元素筛选模块,用于根据所述占位符的占位属性信息从元素库中匹配对应的目标元素;
素材生成模块,用于将所述目标元素添加至所述占位符所指示的所述画板中的对应位置,得到与所述目标投放平台适配的新素材。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053552.XA CN115454942A (zh) | 2022-08-30 | 2022-08-30 | 素材生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053552.XA CN115454942A (zh) | 2022-08-30 | 2022-08-30 | 素材生成方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115454942A true CN115454942A (zh) | 2022-12-09 |
Family
ID=84300118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211053552.XA Pending CN115454942A (zh) | 2022-08-30 | 2022-08-30 | 素材生成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115454942A (zh) |
-
2022
- 2022-08-30 CN CN202211053552.XA patent/CN115454942A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11379206B2 (en) | APP pushing method and device, electronic device and computer-readable storage medium | |
CN109815471A (zh) | 合同文本生成方法、装置、计算机设备和存储介质 | |
CN101908218B (zh) | 编辑设备和布置方法 | |
CN108875853A (zh) | 数据标签打印的处理方法及装置 | |
CN113204659A (zh) | 多媒体资源的标签分类方法、装置、电子设备及存储介质 | |
CN113127621A (zh) | 对话模块的推送方法、装置、设备及存储介质 | |
CN110569429B (zh) | 一种内容选择模型的生成方法、装置和设备 | |
CN115423936A (zh) | Ai虚拟人物和影像处理方法、系统、电子设备及存储介质 | |
CN112835577A (zh) | 数据处理方法、装置、计算机设备以及可读存储介质 | |
CN113051235A (zh) | 文档加载方法、装置、终端和存储介质 | |
CN115454942A (zh) | 素材生成方法、装置、计算机设备和存储介质 | |
CN111881664A (zh) | 一种结合rpa和ai的信息抽取方法、装置、设备及介质 | |
CN114565915B (zh) | 样本文本图像获取方法、文本识别模型训练方法和装置 | |
CN115293874A (zh) | 信贷借款流程的页面处理方法、装置和计算机设备 | |
CN115952777A (zh) | 一种投放页设计方法、装置、电子设备和存储介质 | |
CN114118029A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN115293873A (zh) | 授信流程的页面处理方法、装置、计算机设备和存储介质 | |
CN114818627A (zh) | 一种表格信息抽取方法、装置、设备及介质 | |
CN112950167A (zh) | 设计服务匹配方法、装置、设备及存储介质 | |
CN111079399A (zh) | 图文数据处理方法、装置、计算机设备和存储介质 | |
CN116582514B (zh) | 一种跨平台的信息分享方法、装置以及系统 | |
CN113095051B (zh) | 应标企业报告生成方法、装置、计算机设备和存储介质 | |
CN111382382A (zh) | 数据的展示方法、装置、计算机设备和存储介质 | |
US12008064B1 (en) | Systems and methods for a website generator that utilizes artificial intelligence | |
CN115860829A (zh) | 一种智能广告图像生成方法及装置 |
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 |