CN117333584A - 目标图像生成方法和装置、图像合成模型训练方法和装置 - Google Patents

Abstract

本公开提供了一种目标图像生成方法和装置、图像合成模型训练方法和装置，涉及人工智能技术领域，具体为自然语言处理、计算机视觉、深度学习等技术领域。目标图像生成方法的具体实现方案为：获取原始图像和背景文本，原始图像包括主体；基于原始图像，得到内缩主体图；基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；基于原始图像和合成图像，得到目标图像。该实施方式提高了目标图像的生成效果。

Description

目标图像生成方法和装置、图像合成模型训练方法和装置

技术领域

本公开涉及人工智能技术领域，具体涉及自然语言处理、计算机视觉、深度学习等技术领域，尤其涉及一种目标图像生成方法和装置、图像合成模型训练方法和装置、电子设备、计算机可读介质以及计算机程序产品。

背景技术

扩散生成模型的出现使得图像自由更换背景成为可能，通过使用扩散模型，可以通过使用文本描述自由修改图像背景，极大简化了换背景的难度，扩展了背景生成的丰富性，但目前使用扩散模型进行背景替换时，经常会出现对主体自身边缘部分进行随意外扩补充(给人手变长、衣服扩展等)，导致图像中的主体遭到改变，同时原图边缘的一些像素出现在生成图中，生成图真实性和美观性下降，最终无法生成精美真实合成图像。

发明内容

提供了一种目标图像生成方法和装置、图像合成模型训练方法和装置、电子设备、计算机可读存储介质以及计算机程序产品。

根据第一方面，提供了一种目标图像生成方法，该方法包括：获取原始图像和背景文本，原始图像包括主体；基于原始图像，得到内缩主体图；基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；基于原始图像和合成图像，得到目标图像。

根据第二方面，提供了一种图像合成模型训练方法，方法还包括：获取预置的样本集，其中，样本集包括至少一个样本，样本包括：样本图像、样本图像中主体的区域信息以及对应样本图像的样本文本；获取预先建立的图像合成网络，其中，图像合成网络用于表征图像、图像中主体的区域信息、图像对应的文本三者与合成噪声之间的对应关系，合成噪声用于生成合成图像；执行以下训练步骤：从样本集中选取样本；将该样本输入图像合成网络，得到图像合成网络输出的合成噪声；响应于图像合成网络满足训练完成条件，得到图像合成模型。

根据第三方面，提供了一种目标图像生成装置，该装置包括：信息获取单元，被配置成获取原始图像和背景文本，原始图像包括主体；图像得到单元，被配置成基于原始图像，得到内缩主体图；参数得到单元，被配置成基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；生成单元，被配置成基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；目标得到单元，被配置成基于原始图像和合成图像，得到目标图像。

根据第四方面，提供了一种图像合成模型训练装置，该装置包括：样本获取单元，被配置成获取预置的样本集，其中，样本集包括至少一个样本，样本包括：样本图像、样本图像中主体的区域信息以及对应样本图像的样本文本；网络获取单元，被配置成获取预先建立的图像合成网络，其中，图像合成网络用于表征图像、图像中主体的区域信息、图像对应的文本三者与合成噪声之间的对应关系，合成噪声用于生成合成图像；选取单元，被配置成从样本集中选取样本；输入单元，被配置成将该样本输入图像合成网络，得到图像合成网络输出的合成噪声；模型得到单元，被配置成响应于图像合成网络满足训练完成条件，得到图像合成模型。

根据第五方面，提供了一种电子设备，该电子设备包括：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，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面任一实现方式描述的方法。

根据第六方面，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，计算机指令用于使计算机执行如第一方面或第二方面任一实现方式描述的方法。

根据第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面任一实现方式描述的方法。

本公开的实施例提供的目标图像生成方法和装置，首先，获取原始图像和背景文本，原始图像包括主体；其次，基于原始图像，得到内缩主体图；再次，基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；从次，基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；最后，基于原始图像和合成图像，得到目标图像。由此，可以基于图像合成模型的图像更换背景场景，在生成丰富背景的同时，通过内缩边缘扩散参数限制了主体不合理扩展，通过原始图像补充合成图像，解决了由图像合成模型下采样导致的边缘异常问题，提高了目标图像的生成效果。

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是根据本公开目标图像生成方法的一个实施例的流程图；

图2是根据本公开目标图像生成方法的另一个实施例中各步骤的结构框图；

图3是根据本公开图像合成模型训练方法的一个实施例的流程图；

图4是根据本公开目标图像生成装置的一个实施例的结构示意图；

图5是根据本公开图像合成模型训练装置的一个实施例的结构示意图；

图6是用来实现本公开实施例的目标图像生成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。

本实施例中，“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

人物换背景是用户图片编辑的常见任务之一，可以使用户在照片中改变人物所处的环境、场景或情境，使普通照片变得更加生动有趣，此外，人物换背景功能还可以用于艺术创作、广告设计、娱乐、社交媒体等领域，带来更多创新和娱乐方式。但是，在原始照片中，人物的角度和姿势各种各样，这会使得在换背景时需要更加复杂的匹配过程处理，以确保人物与新背景融合自然，同时照片中的光影效果对于换背景来说非常重要，当人物换了一个新的背景时，光影的方向、强度和颜色等要与新的环境相匹配，才能使整张照片看起来更加真实，换背景不能只是简单的抠图和贴图，还需要考虑人物与背景之间的自然感和一致性，背景中的光线、色调和纹理等因素都需要与人物保持一致，否则照片将显得不真实和不自然。

传统技术为了保持背景生成合理性，使用修复后的主体区域作为输入至扩散模型，更换主体区域中主体的背景，得到生成图片，其中，修复后的主体区域的修复过程为：去掉图像一部分，根据保留的图像信息恢复去掉的信息。

使用基于修复后的主体区域作为扩散模型的输入主要存在2个问题：1)修复后的主体区域提供了生成背景时的感知参考能力，但无法限制扩散过程中对主体进行扩展，导致人物本身进行错误扩展；2)使用修复后的主体区域进行扩散过程中的感知参考，即使对人物区域筛选的掩膜图像非常准确，在进入扩散模型时图片会进行下采样操作，原始准确的掩膜图像会带上边缘信息，最终导致生成的背景中掺杂额外边缘像素。

本公开提供了一种目标图像生成方法，通过内缩主体区域，并采用内缩边缘扩散参数限制图像合成模型中主体的不合理扩展，提升了目标图像的生成效果，图1示出了根据本公开目标图像生成方法的一个实施例的流程100，上述目标图像生成方法包括以下步骤：

步骤101，获取原始图像和背景文本。

本实施例中，原始图像是待对图像中的背景进行替换的图像，例如，原始图像是用户的自拍照，或者原始图像是用户输入他人的图像。需要说明的是，用户输入的原始图像是用户在自愿的情况下输入的图像，不涉及用户的隐私。

本实施例中，原始图像中包括主体，该主体是相对于背景而言的物体，该主体可以是人物、动物、植物、建筑物等。通过对原始图像中的主体背后的背景进行替换，可以得到目标图像。

本实施例中，背景文本是对原始图像的背景待进行替换的背景的文本描述，背景文本可以是用户预先输入的文本，为了生成合成图像，目标图像生成方法运行于其上的执行主体可以预先从用户处获取背景文本；或者执行主体实时从用户处获取背景文本。

步骤102，基于原始图像，得到内缩主体图。

本实施例中，内缩主体图是对原始图像的主体所在区域进行缩小之后，得到的图像，通过对原始图像的主体所在区域进行缩小可以在图像合成过程不会带入多余的原始图像中的信息，并且还可以限制图像合成过程中像素的随意扩展。

本实施例中，上述步骤102包括：通过图像识别模型识别原始图像中主体；对主体进行区域裁剪，得到主体裁剪图；对主体裁剪图进行内缩操作，得到内缩主体图。其中，内缩操作是对图像进行缩小的操作的，内缩操作可以采用图像腐蚀(erode)、图像模糊(blur)操作，通过内缩操作可以缩小图像中像素范围。

步骤103，基于原始图像，得到对应内缩主体图的内缩边缘扩散参数。

本实施例中，内缩边缘扩散参数是限制扩散模型在加噪区域的参数，该内缩扩散参数是基于内缩主体图得到的参数，通过内缩边缘扩散参数可以控制图像合成模型向内缩主体图加噪的范围。例如，内缩边缘扩散参数为：内缩主体图的掩膜图像，图像合成模型或者扩散模型仅可以在内缩主体图的掩膜图的区域加噪；或者内缩边缘扩散参数为内缩主体图中主体的轮廓线，图像合成模型或者扩散模型仅可以在内缩主体图中主体的轮廓线朝向的主体中心的方向加噪。通过内缩边缘扩散参数可以限制图像合成模型不进行主体外扩，并且无单独输出。

本实施例中，上述步骤103包括：基于原始图像，得到内缩主体图；提取内缩主体图中主体的轮廓线，将内缩主体图像中主体的轮廓线作为内缩边缘扩散参数。或者上述步骤103包括：基于原始图像，得到主体区域图；对主体区域进行掩膜处理，得到主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像，将内缩掩膜图像作为内缩边缘扩散参数。其中，主体区域图是原始图像中与主体所在区域相关的图像；对主体区域图进行掩膜处理，可以将主体所在区域为归一化为1/0的像素值，得到主体掩膜图像；对主体掩膜图像进行内缩操作是对主体掩膜图像进行缩小的操作。

步骤104，基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像。

本实施例中，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系。

本实施例中，图像合成模型是基于物理热力学中的扩散思想的深度学习生成模型，图像合成模型可以对背景文本进行理解，得到与背景文本对应的背景图像，并在内缩边缘扩散参数条件下，将得到的背景图像与内缩主体图进行合成，得到合成图像，相对于原始图像，合成图像是替换了背景的图像。

步骤105，基于原始图像和合成图像，得到目标图像。

本实施例中，合成图像是通过内缩主体图得到，为此，合成图像中主体的边缘区域可能存在像素混占、不清楚等问题，通过原始图像对合成图像进行主体的边缘区域的补充，可以得到真实性、美观性更加高的目标图像。

上述步骤105包括：基于原始图像，得到主体区域图；将主体区域图与合成图像对齐，并且将主体区域图贴回合成图像，通过主体区域图可以充分补充合成图像中的区域缺陷，提高了目标图像的显示效果。

本公开提供的目标图像生成方法，可优化人物自定义换背景效果，使得生成换背景之后目标图像的真实性、美观性，相对于传统的图像背景替换方法提升了30％以上。

本公开的实施例提供的目标图像生成方法，首先，获取原始图像和背景文本，原始图像包括主体；其次，基于原始图像，得到内缩主体图；再次，基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；从次，基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；最后，基于原始图像和合成图像，得到目标图像。由此，可以基于图像合成模型的图像更换背景场景，在生成丰富背景的同时，通过内缩边缘扩散参数限制了主体不合理扩展，通过原始图像补充合成图像，解决了由图像合成模型下采样导致的边缘异常问题，提高了目标图像的生成效果。

在本实施例的一些可选实现方式中，上述基于原始图像，得到内缩主体图包括：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于内缩掩膜图像和原始图像，得到内缩主体图。

本可选实现方式中，掩膜图像是由0和1组成的一个二进制图像，主体的掩膜图像是指主体为1，背景为1的图像。上述基于原始图像，得到主体的主体掩膜图像包括：选定原始图像中的主体，对主体进行遮挡，得到只有主体的主体掩膜图像。

本可选实现方式中，内缩操作是对图像进行缩小的操作的，内缩操作可以采用图像腐蚀(erode)、图像模糊(blur)操作，通过内缩操作可以缩小图像中像素范围。

如图2，示出了根据本公开目标图像生成方法的另一个实施例中各步骤的结构框图200，在图2中，对原始图像中主体区域进行掩膜处理S201，得到对应主体区域的主体掩膜图像mask1，对主体掩膜图像mask1进行内缩操作S202，得到内缩掩膜图像mask2；将内缩掩膜图像mask2和原始图像进行相乘S203，得到内缩主体图。

本可选实现方式中，上述基于内缩掩膜图像和原始图像，得到内缩主体图包括：对原始图像进行与内缩掩膜图像相同的内缩操作，得到内缩图像；将内缩图像的每个像素与内缩图像中的每个像素进行与运算，得到内缩主体图。

本实施例提供的得到内缩主体图的方法，首先得到主体的主体掩膜图像；再对主体掩膜图像进行内缩操作，得到内缩掩膜图像；最后，通过内缩掩膜图像和原始图像，得到内缩主体图，通过掩膜图像的模式为内缩主体图的实现提供了一种可靠的实现方式。

可选的，上述基于原始图像，得到内缩主体图包括：基于原始图像，得到主体的主体区域图；对主体区域图进行内缩操作，得到主体内缩图。

在本实施例的一些可选实现方式中，上述基于原始图像，得到对应内缩主体图的内缩边缘扩散参数包括：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；将内缩掩膜图像作为内缩边缘扩散参数。

本可选实现方式中，将内缩掩膜图像作为内缩边缘扩散参数，可以限制图像合成模型对主体进行扩展，提高了图像合成模型的合成效果。

本可选实现方式中，将内缩掩膜图像作为内缩边缘扩散参数，可以告知图像合成模型或扩散模型，在进行合成图像生成时，以内缩掩膜图像所示的区域为合成图像中主体的边缘区域的界面，在主体的边缘区域不超过内缩掩膜图像的主体的轮廓的范围之内，进行图像合成。

本公开的实施例提供的内缩边缘扩散参数得到方法，基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，将内缩之后的内缩掩膜图像作为内缩边缘扩散参数，为内缩边缘扩散参数的得到提供的一种可靠的实现方式。

在本实施例的一些可选实现方式中，上述基于原始图像，得到对应内缩主体图的内缩边缘扩散参数包括：基于原始图像，得到主体的主体区域图；对主体区域图进行内缩操作，得到主体内缩图；提取主体内缩图的轮廓线，并将轮廓线作为内缩边缘扩散参数。

本实施例中，将主体内缩图的轮廓线作为内缩边缘扩散参数，可以通过内缩边缘扩散参数通知模型合成图像的边缘区域不向远离主体中心的方向外扩，且外扩不会超过轮廓线的区域范围。

本实施例中，主体区域图是原始图像中与主体所在区域相关的图像，也即主体区域图是原始图像对应主体的图像。

本公开的实施例提供的内缩边缘扩散参数得到方法，基于原始图像，得到主体的主体区域图；对主体区域图进行内缩操作，得到主体内缩图，提取主体内缩图的轮廓线，并将轮廓线作为内缩边缘扩散参数，为内缩边缘扩散参数的得到提供的另一种可靠的实现方式。

在本实施例的一些可选实现方式中，上述图像合成模型包括：扩散模型和控制扩散模型的控制模型，基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像包括：将内缩边缘扩散参数输入控制模型，以通过控制模型控制扩散模型中图像的扩散条件；将内缩主体图、背景文本输入扩散模型，得到扩散模型输出的合成图像。

本实施例中，控制模型可以采用Controlnet SEG(语义分割控制网络)、Matting、Canny中的任意一种网络结构，其中，Controlnet SEG的工作原理是用颜色把不同类型的对象分割开，让扩散模型能正确识别对象类型和需求生成的区界，就是通过不同色块的声明从而定义不同的材质，通过简单的建模进而更好的生成预期的图片。Matting是一种抠图模型，用于解决软分割问题，像玻璃、头发这类前景，对应像素点的颜色不只是由前景本身的颜色决定，而是前景和背景颜色融合的结果，通过Matting可以找出前景颜色以及与背景的融合程度，以便于将前景合并到新的背景上。上述Canny是指为边缘检测算法为原理的模型，边缘检测的一般标准包括：1)以低的错误率检测边缘，也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。2)检测到的边缘应精确定位在真实边缘的中心。3)图像中给定的边缘应只被标记一次，并且在可能的情况下，图像的噪声不应产生假的边缘。为了满足这些要求，Canny使用了变分法。Canny检测器中的最优函数使用四个指数项的和来描述，它可以由高斯函数的一阶导数来近似。在目前常用的边缘检测方法中，Canny边缘检测算法是具有严格定义的，可以提供良好可靠检测的方法之一。由于它具有满足边缘检测的三个标准和实现过程简单的优势，成为边缘检测最流行的算法之一。

如图2所示，将内缩主体图、背景文本T以及内缩边缘扩散参数C输入图像合成模型，图像合成模型对内缩主体图、背景文本T以及内缩边缘扩散参数C进行处理S204，得到合成图像，其中，内缩边缘扩散参数C由内缩掩膜图像mask2得到。在图像合成模型中使用内缩掩膜图像对应的内缩主体图作为输入，可以保持生成背景与主体人物的匹配性。

本可选实现方式提供的图像合成模型，可应用于基于扩散模型的人物(或其他主体)自定义更换背景场景，通过内缩边缘扩散参数可以在生成丰富背景的同时限制主体不合理扩展，通过合成图像与原始图像中主体区域融合，可以解决由扩散模型下采样导致的边缘异常问题。

本可选实现方式提供的生成合成图像的方法，向控制模型输入内缩边缘扩散参数，以使控制模型控制扩散模型的扩散条件；将内缩主体图、背景文本输入扩散模型，得到扩散模型输出的合成图像，提高了合成图像得到的可靠性。

在本实施例的一些可选实现方式中，上述基于原始图像和合成图像，得到目标图像包括：基于原始图像，得到主体的主体区域图；基于主体区域图和合成图像，得到目标图像。

本可选实现方式中，主体区域图是原始图像中与主体所在区域相关的图像，通过主体区域图可以确定原始图像中主体的真实图像。

本可选实现方式中，上述基于主体区域图和合成图像，得到目标图像包括：将主体区域图贴入合成图像，得到目标图像。其中，主体区域图贴入合成图像，可以使合成图像中与主体区域图中主体相关的区域完全被主体区域图覆盖。

本可选实现方式中，由于合成图像是通过内缩主体图与新的背景合成之后，得到的新的图像，该合成图像是基于内缩主体图得到，在合成图像中主体的边缘区域可能具有相应的缺陷，为此，通过原始图像中主体区域图补充合成图像，可以使得到的目标图像生成质量更高。

本可选实现方式提供的得到目标图像的方法，基于原始图像，得到主体区域图；基于主体区域图和合成图像，得到目标图像；由此，通过主体区域图对合成图像进行图像补充，提高了目标图像的图像质量，保证了目标图像生成的可靠性。

在本实施例的一些可选实现方式中，上述基于主体区域图和合成图像，得到目标图像包括：对主体区域图进行边缘透明化处理，得到第一处理图像；将第一处理图像贴入到合成图像，得到目标图像。

本可选实现方式中，边缘透明化处理包括：羽化处理、模糊处理中任意一项；上述对主体区域图进行边缘透明化处理包括：确定主体区域图中自主体的轮廓至远离主体中心且距离主体的轮廓预设距离的图像范围；对该图像范围进行羽化或者模糊处理，得到第一处理图像。其中，预设距离可以处理需求而设置，例如，预设距离为2mm。

本可选实现方式中，将第一处理图像贴入合成图像，可以使合成图像中与第一处理图像中相关的区域完全被第一处理图覆盖，从而达到目标图像中主体逐步与背景进行融合的效果。

本可选实现方式提供的得到目标图像的方法，对主体区域图进行边缘透明化处理，将边缘透明化处理后的第一处理图像贴入合成图像，可以使得到的目标图像中的主体与背景自然融合，提高了目标图像的显示效果。

在本实施例的一些可选实现方式中，上述基于原始图像，得到主体的主体区域图包括：基于原始图像，得到主体的主体掩膜图像；基于主体掩膜图像和原始图像，得到主体的主体区域图。

本可选实现方式中，上述基于原始图像，得到主体的主体掩膜图像包括：通过图像识别模型识别原始图像中主体所在的区域，将原始图像中主体所在的区域的像素值设置为1，将原始图像中主体不在区域的像素值设置为0，得到主体掩膜图像。

上述基于主体掩膜图像和原始图像，得到主体的主体区域图包括：将主体掩膜图像中的每个像素和原始图像中的每个像素进行与运算，得到主体的主体区域图。

本可选实现方式提供的得到主体区域图的方法，首先通过原始图像，得到主体掩膜图像，再通过主体掩膜图像和原始图像，得到主体区域图，为主体区域图的得到提供了一种简单、可行的实现方式。

在本实施例的一些可选实现方式中，上述基于原始图像和合成图像，得到目标图像包括：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于主体掩膜图像和内缩掩膜图像，得到内缩区域图像；基于内缩区域图像，对主体掩膜图像进行边缘透明化处理，得到边缘掩膜图像；基于边缘掩膜图像和原始图像，得到第二处理图像；将第二处理图像贴入到合成图像，得到目标图像。

本可选实现方式中，第二处理图像是边缘透明化之后的主体区域图。

具体地，如图2所示，通过计算主体掩膜图像mask1与内缩掩膜图像mask2的差值S205，得到的内缩区域图像mask3，在主体掩膜图像mask1上进行边缘渐变透明化操作，并在边缘渐变透明化操作过程中采用内缩区域图像mask3作为主体掩膜图像mask1的透明化区域，主体掩膜图像mask1的其他区域进行保留S206，得到边缘掩膜图像mask4，使用边缘掩膜图像mask4提取原始图片中的主体S207，得到第二处理图像，并将第二处理图像贴回合成图像，对合成图像进行部分覆盖S208，得到背景被替换的目标图像。

本可选实现方式中，在主体为人物时，在得到人物完整的主体区域(对应mask1)后，进行区域内缩得到缩小区域(对应mask2)，使用缩小区域和图像合成模型进行背景生成，生成合成图像后，使用原始区域进行贴回操作，同时原始区域与缩小区域之间边缘进行逐步透明处理，最终得到人物在新背景下生成目标图像。

本公开提供的目标图像生成方法，基于双mask(如图2中mask1和mask2)的自定义背景替换方案，可以有效地解决的主体扩充、主体边缘瑕疵的问题，提高了背景替换后目标图像的真实性与美观性。

本可选实现方式提供的得到目标图像的方法，首先得到主体掩膜图像，然后，对主体掩膜图像进行内缩操作，得到内缩掩膜图像；再次，基于主体掩膜图像和内缩掩膜图像，得到内缩区域图像；从次，基于内缩区域图像，对主体掩膜图像进行边缘透明化处理，得到边缘掩膜图像；然后，基于边缘掩膜图像和原始图像，得到第二处理图像；最后，将第二处理图像贴入合成图像，得到目标图像，以内缩区域图像为基础，对主体掩膜图像进行边缘透明化处理，为主体掩膜图像限定了合理的透明化区域，提高了目标图像的整体效果，保证了目标图像生成的可靠性。

本公开提供了一种图像合成模型训练方法，图3示出了根据本公开图像合成模型训练方法的一个实施例的流程300，上述图像合成模型训练方法包括以下步骤：

步骤301，获取预置的样本集。

本实施例中，样本集包括至少一个样本，样本包括：样本图像、样本图像中主体的区域信息以及对应样本图像的样本文本。

本实施例中，样本图像中包括主体，该主体是相对于背景而言的物体，该主体可以是人物、动物、植物、建筑物等。通过对样本图像中的主体背后的背景进行替换，可以得到合成图像。

本实施例中，样本文本是对样本图像中所有信息进行的文本描述，样本文本可以是用户预先输入的文本，或者用户基于图像样本中信息实时进行描述之后得到的文本。

本实施例中，主体的区域信息是指样本图像中的主体在样本图像中的具体区域，通过主体的区域信息可以对样本图像中的主体进行具体位置定位，区域信息可以包括主体的轮廓、主体的中心位置坐标、主体在样本图像的坐标。

步骤302，获取预先建立的图像合成网络。

本实施例中，图像合成网络用于表征图像、图像中主体的区域信息、图像对应的文本三者与合成噪声之间的对应关系，合成噪声用于生成合成图像。

本实施例中，合成噪声是指在高斯噪声条件下，图像中主体与主体所在背景之间因合成而生成的噪声。通过对图像合成网络的训练，可以得到训练完成的图像合成模型，训练完成的图像合成模型可以预测因为主体与背景合成而产生的噪声，当背景在高斯噪声条件下，去除因图像合成模型预测得到的合成噪声，可以还原包括主体与背景的合成图像。

步骤303，从样本集中选取样本。

本实施例中，执行主体可以从步骤201中获取的样本集中选取样本，以及执行步骤203至步骤205的训练步骤。其中，样本的选取方式和选取数量在本申请中并不限制。例如可以是随机选取至少一个样本，也可以是从中选取样本图像的清晰度较好(即像素较高)的样本。

步骤304，将该样本输入图像合成网络，得到图像合成网络输出的合成噪声。

本实施例中，样本包括：样本图像、样本图像中主体的区域信息以及对应样本图像的样本文本，将该样本输入图像合成网络之后，图像合成网络基于主体的区域信息，对不属于主体的区域增加高斯噪声，并实时进行噪声去除，直至去除的噪声可以还原对应样本文本中背景文本对应的图像，该去除的噪声即为因主体与背景合成而生成的合成噪声，为此，即使更换该样本中的背景，也可以基于训练的图像合成网络预测的合成噪声，有效地得到合成图像。

步骤305，响应于图像合成网络满足训练完成条件，得到图像合成模型。

本实施例中，训练完成条件包括以下至少一项：训练迭代次数达到预定迭代阈值，损失值小于预定损失值阈值。例如，训练迭代达到5千次。损失值小于0.05。

可选地，本实施例提供的图像合成模型训练方法，还可以包括：步骤A，若图像合成网络不满足训练完成条件，则调整图像合成网络中的相关参数使得图像合成网络的损失值收敛，基于调整后的图像合成网络，继续执行步骤303-A。

需要说明的是，在得到图像合成模型之后，可以采用图像合成模型对不同输入信息进行合成噪声预测，得到各个输入信息的合成噪声。其中，输入信息包括：待预测图像中主体图像、待预测图像中主体区域信息、待预测图像的背景文本。在得到各个输入信息的合成噪声之后，可以向待预测图像的非主体所在区域增加高斯噪声，并去除高斯噪声中的合成噪声，得到合成图像。其中合成图像是将待预设图像的背景替换为背景文本描述的背景之后的图像。

本公开的实施例提供的图像合成模型训练方法，首先，获取预置的样本集；其次，获取预先建立的图像合成网络；再次，从样本集中选取样本；从次，将该样本输入图像合成网络，得到图像合成网络输出的合成噪声；最后，响应于图像合成网络满足训练完成条件，得到图像合成模型。由此，通过图像合成网络预测合成噪声，为图像合成提供了一种噪声生成方式，为图像合成模型的得到提供了一种可靠的手段，保证了图像合成模型生成的可靠性。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了目标图像生成装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可应用于各种电子设备中。

如图4所示，本实施例提供的目标图像生成装置400包括：信息获取单元401，图像得到单元402，参数得到单元403，生成单元404，目标得到单元405。其中，上述信息获取单元401，可以被配置成获取原始图像和背景文本，原始图像包括主体。上述图像得到单元402，可以被配置成基于原始图像，得到内缩主体图。上述参数得到单元403，可以被配置成基于原始图像，得到对应内缩主体图的内缩边缘扩散参数。上述生成单元404，可以被配置成基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系。上述目标得到单元405，可以被配置成基于原始图像和合成图像，得到目标图像。

在本实施例中，目标图像生成装置400中：信息获取单元401，图像得到单元402，参数得到单元403，生成单元404，目标得到单元405的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101、步骤102、步骤103、步骤104、步骤105的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述图像得到单元402被配置成：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于内缩掩膜图像和原始图像，得到内缩主体图。

在本实施例的一些可选的实现方式中，上述参数得到单元403进一步被配置成：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；将内缩掩膜图像作为内缩边缘扩散参数。

在本实施例的一些可选的实现方式中，上述参数得到单元403进一步被配置成：基于原始图像，得到主体的主体区域图；对主体区域图进行内缩操作，得到主体内缩图；提取主体内缩图的轮廓线，并将轮廓线作为内缩边缘扩散参数。

在本公开的一些可选实现方式中，上述图像合成模型包括：扩散模型和控制扩散模型的控制模型，上述生成单元404进一步被配置成：将内缩边缘扩散参数输入控制模型，以通过控制模型控制扩散模型中图像的扩散条件；将内缩主体图、背景文本输入扩散模型，得到扩散模型输出的合成图像。

在本公开的一些可选实现方式中，上述目标得到单元405进一步被配置成：基于原始图像，得到主体的主体区域图；基于主体区域图和合成图像，得到目标图像。

在本公开的一些可选实现方式中，上述目标得到单元405进一步被配置成：对主体区域图进行边缘透明化处理，得到第一处理图像；将第一处理图像贴入到合成图像，得到目标图像。

在本公开的一些可选实现方式中，上述目标得到单元405进一步被配置成：基于原始图像，得到主体的主体掩膜图像；基于主体掩膜图像和原始图像，得到主体的主体区域图。

在本公开的一些可选实现方式中，上述目标得到单元405进一步被配置成：基于原始图像，得到主体的主体掩膜图像；对主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于主体掩膜图像和内缩掩膜图像，得到内缩区域图像；基于内缩区域图像，对主体掩膜图像进行边缘透明化处理，得到边缘掩膜图像；基于边缘掩膜图像和原始图像，得到第二处理图像；将第二处理图像贴入到合成图像，得到目标图像。

本公开的实施例提供的目标图像生成装置，首先，信息获取单元401获取原始图像和背景文本，原始图像包括主体；其次，图像得到单元402基于原始图像，得到内缩主体图；再次，参数得到单元403基于原始图像，得到对应内缩主体图的内缩边缘扩散参数；从次，生成单元404基于内缩主体图、内缩边缘扩散参数、背景文本以及图像合成模型，生成合成图像，图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；最后，目标得到单元405基于原始图像和合成图像，得到目标图像。由此，可以基于图像合成模型的图像更换背景场景，在生成丰富背景的同时，通过内缩边缘扩散参数限制了主体不合理扩展，通过原始图像补充合成图像，解决了由图像合成模型下采样导致的边缘异常问题，提高了目标图像的生成效果。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了图像合成模型训练装置的一个实施例，该装置实施例与图3所示的方法实施例相对应，该装置具体可应用于各种电子设备中。

如图5所示，本实施例提供的图像合成模型训练装置500包括：样本获取单元501，网络获取单元502，选取单元503，输入单元504，模型得到单元505。其中，上述样本获取单元501，可以被配置成获取预置的样本集，其中，样本集包括至少一个样本，样本包括：样本图像、样本图像中主体的区域信息以及对应样本图像的样本文本。上述网络获取单元502，可以被配置成获取预先建立的图像合成网络，其中，图像合成网络用于表征图像、图像中主体的区域信息、图像对应的文本三者与合成噪声之间的对应关系，合成噪声用于生成合成图像。上述选取单元503，可以被配置成从样本集中选取样本。上述输入单元504，可以被配置成将该样本输入图像合成网络，得到图像合成网络输出的合成噪声。上述模型得到单元505，可以被配置成响应于图像合成网络满足训练完成条件，得到图像合成模型。

在本实施例中，图像合成模型训练装置500中：样本获取单元501，网络获取单元502，选取单元503，输入单元504，模型得到单元505的具体处理及其所带来的技术效果可分别参考图3对应实施例中的步骤301、步骤302、步骤303、步骤304、步骤305的相关说明，在此不再赘述。

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。

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6示出了可以用来实施本公开的实施例的示例电子设备600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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如目标图像生成方法或图像合成模型训练方法。例如，在一些实施例中，目标图像生成方法或图像合成模型训练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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的目标图像生成方法或图像合成模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标图像生成方法或图像合成模型训练方法。

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目标图像生成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。

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 (23)

1.一种目标图像生成方法，所述方法包括：

获取原始图像和背景文本，所述原始图像包括主体；

基于所述原始图像，得到内缩主体图；

基于所述原始图像，得到对应所述内缩主体图的内缩边缘扩散参数；

基于所述内缩主体图、所述内缩边缘扩散参数、所述背景文本以及图像合成模型，生成合成图像，所述图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；

基于所述原始图像和所述合成图像，得到目标图像。

2.根据权利要求1所述的方法，其中，所述基于所述原始图像，得到内缩主体图包括：

基于所述原始图像，得到所述主体的主体掩膜图像；

对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；

基于所述内缩掩膜图像和所述原始图像，得到内缩主体图。

3.根据权利要求1所述的方法，其中，所述基于所述原始图像，得到对应所述内缩主体图的内缩边缘扩散参数包括：

基于所述原始图像，得到所述主体的主体掩膜图像；

对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；

将所述内缩掩膜图像作为内缩边缘扩散参数。

4.根据权利要求1所述的方法，其中，所述基于所述原始图像，得到对应所述内缩主体图的内缩边缘扩散参数包括：

基于所述原始图像，得到所述主体的主体区域图；

对所述主体区域图进行内缩操作，得到主体内缩图；

提取所述主体内缩图的轮廓线，并将所述轮廓线作为内缩边缘扩散参数。

5.根据权利要求1所述的方法，其中，所述图像合成模型包括：扩散模型和控制所述扩散模型的控制模型，所述基于所述内缩主体图、所述内缩边缘扩散参数、所述背景文本以及图像合成模型，生成合成图像包括：

将所述内缩边缘扩散参数输入所述控制模型，以通过所述控制模型控制所述扩散模型中图像的扩散条件；

将所述内缩主体图、所述背景文本输入所述扩散模型，得到所述扩散模型输出的合成图像。

6.根据权利要求1-5之一所述的方法，其中，所述基于所述原始图像和所述合成图像，得到目标图像包括：

基于所述原始图像，得到所述主体的主体区域图；

基于所述主体区域图和所述合成图像，得到目标图像。

7.根据权利要求6所述的方法，其中，所述基于所述主体区域图和所述合成图像，得到目标图像包括：

对所述主体区域图进行边缘透明化处理，得到第一处理图像；

将所述第一处理图像贴入到所述合成图像，得到目标图像。

8.根据权利要求6所述的方法，其中，所述基于所述原始图像，得到所述主体的主体区域图包括：

基于所述原始图像，得到所述主体的主体掩膜图像；

基于所述主体掩膜图像和所述原始图像，得到所述主体的主体区域图。

9.根据权利要求1-5之一所述的方法，其中，所述基于所述原始图像和所述合成图像，得到目标图像包括：

基于所述原始图像，得到所述主体的主体掩膜图像；

对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；

基于所述主体掩膜图像和所述内缩掩膜图像，得到内缩区域图像；

基于所述内缩区域图像，对所述主体掩膜图像进行边缘透明化处理，得到边缘掩膜图像；

基于所述边缘掩膜图像和所述原始图像，得到第二处理图像；

将所述第二处理图像贴入到所述合成图像，得到目标图像。

10.一种图像合成模型训练方法，所述方法包括：

获取预置的样本集，其中，所述样本集包括至少一个样本，所述样本包括：样本图像、所述样本图像中主体的区域信息以及对应所述样本图像的样本文本；

获取预先建立的图像合成网络，其中，所述图像合成网络用于表征图像、所述图像中主体的区域信息、所述图像对应的文本三者与合成噪声之间的对应关系，所述合成噪声用于生成合成图像；

执行以下训练步骤：从所述样本集中选取样本；将该样本输入所述图像合成网络，得到所述图像合成网络输出的合成噪声；响应于所述图像合成网络满足训练完成条件，得到图像合成模型。

11.一种目标图像生成装置，所述装置包括：

信息获取单元，被配置成获取原始图像和背景文本，所述原始图像包括主体；

图像得到单元，被配置成基于所述原始图像，得到内缩主体图；

参数得到单元，被配置成基于所述原始图像，得到对应所述内缩主体图的内缩边缘扩散参数；

生成单元，被配置成基于所述内缩主体图、所述内缩边缘扩散参数、所述背景文本以及图像合成模型，生成合成图像，所述图像合成模型用于表征内缩主体图、内缩边缘扩散参数、背景文本三者与合成图像之间的关系；

目标得到单元，被配置成基于所述原始图像和所述合成图像，得到目标图像。

12.根据权利要求11所述的装置，其中，所述图像得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体掩膜图像；对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于所述内缩掩膜图像和所述原始图像，得到内缩主体图。

13.根据权利要求11所述的装置，其中，所述参数得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体掩膜图像；对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；将所述内缩掩膜图像作为内缩边缘扩散参数。

14.根据权利要求11所述的装置，其中，所述参数得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体区域图；对所述主体区域图进行内缩操作，得到主体内缩图；提取所述主体内缩图的轮廓线，并将所述轮廓线作为内缩边缘扩散参数。

15.根据权利要求11所述的装置，其中，所述图像合成模型包括：扩散模型和控制所述扩散模型的控制模型，所述生成单元进一步被配置成：将所述内缩边缘扩散参数输入所述控制模型，以通过所述控制模型控制所述扩散模型中图像的扩散条件；将所述内缩主体图、所述背景文本输入所述扩散模型，得到所述扩散模型输出的合成图像。

16.根据权利要求11-15之一所述的装置，其中，所述目标得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体区域图；基于所述主体区域图和所述合成图像，得到目标图像。

17.根据权利要求16所述的装置，其中，所述目标得到单元进一步被配置成：对所述主体区域图进行边缘透明化处理，得到第一处理图像；将所述第一处理图像贴入到所述合成图像，得到目标图像。

18.根据权利要求16所述的装置，其中，所述目标得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体掩膜图像；基于所述主体掩膜图像和所述原始图像，得到所述主体的主体区域图。

19.根据权利要求11-15之一所述的装置，其中，所述目标得到单元进一步被配置成：基于所述原始图像，得到所述主体的主体掩膜图像；对所述主体掩膜图像进行内缩操作，得到内缩掩膜图像；基于所述主体掩膜图像和所述内缩掩膜图像，得到内缩区域图像；基于所述内缩区域图像，对所述主体掩膜图像进行边缘透明化处理，得到边缘掩膜图像；基于所述边缘掩膜图像和所述原始图像，得到第二处理图像；将所述第二处理图像贴入到所述合成图像，得到目标图像。

20.一种图像合成模型训练装置，所述装置包括：

样本获取单元，被配置成获取预置的样本集，其中，所述样本集包括至少一个样本，所述样本包括：样本图像、所述样本图像中主体的区域信息以及对应所述样本图像的样本文本；

网络获取单元，被配置成获取预先建立的图像合成网络，其中，所述图像合成网络用于表征图像、所述图像中主体的区域信息、所述图像对应的文本三者与合成噪声之间的对应关系，所述合成噪声用于生成合成图像；

选取单元，被配置成从所述样本集中选取样本；

输入单元，被配置成将该样本输入所述图像合成网络，得到所述图像合成网络输出的合成噪声；

模型得到单元，被配置成响应于所述图像合成网络满足训练完成条件，得到图像合成模型。

21.一种电子设备，其特征在于，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1-10中任一项所述的方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-10中任一项所述的方法。