CN117456028A - 基于文本进行图像生成的方法及装置 - Google Patents

Abstract

本说明书实施例提供了基于文本进行图像生成的方法及装置，其中，一种基于文本进行图像生成的方法包括：在根据描述文本进行图像生成过程中，在对描述文本进行关键词提取获得的文本关键词的基础上生成对应的图像关键词，并通过计算图像关键词与图像库中图像描述文本的相似度确定图像关键词匹配的目标图像库，在参数库中读取目标图像库对应的子模型的模型参数并加载至预训练模型，并通过将图像关键词输入加载获得的图像生成模型进行图像生成获得目标图像。

Description

基于文本进行图像生成的方法及装置

技术领域

本文件涉及图像处理技术领域，尤其涉及一种基于文本进行图像生成的方法及装置。

背景技术

随着互联网在不断发展和推广，生成式人工智能(AIGC，AI Generated Content)技术得到普及，各种各样的生成式人工智能模型得以快速应用，其中生成式人工智能模型的一个重要应用是根据用户输入的对话信息或者文本信息进行图像生成，但生成式人工智能模型训练所需要的数据量往往比较大，并且训练数据标注的成本也比较高，对生成式人工智能模型的发展产生了限制，同时如何低成本的实现生成式人工智能模型在各领域的应用成为关注的重点。

发明内容

本说明书一个或多个实施例提供了一种基于文本进行图像生成的方法，包括：对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词。计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库。在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型。将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

本说明书一个或多个实施例提供了一种基于文本进行图像生成的装置，包括：关键词生成模块，被配置为对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词。图像库确定模块，被配置为计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库。模型参数处理模块，被配置为在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型。图像生成模块，被配置为将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

本说明书一个或多个实施例提供了一种基于文本进行图像生成的设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词。计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库。在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型。将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词。计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库。在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型。将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；

图1为本说明书一个或多个实施例提供的一种基于文本进行图像生成的方法实施环境的示意图；

图2为本说明书一个或多个实施例提供的一种基于文本进行图像生成的方法处理流程图；

图3为本说明书一个或多个实施例提供的一种目标图像的示意图；

图4为本说明书一个或多个实施例提供的一种应用于商户文案生成场景的基于文本进行图像生成的方法流程图；

图5为本说明书一个或多个实施例提供的一种基于文本进行图像生成的装置实施例的示意图；

图6为本说明书一个或多个实施例提供的一种基于文本进行图像生成的设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。

本说明书一个或多个实施例提供的基于文本进行图像生成的方法，可适用于图像生成系统这一实施环境，参照图1，该实施环境至少包括：

进行图像生成的预训练模型101，存储各子模型的模型参数的参数库102，以及，一个或者多个图像库103；除此之外，该实施环境还可包括进行图像关键词生成的神经网络语言模型104，以及进行图像平滑处理的图像处理组件105；

该实施环境中，在基于输入的描述文本进行图像生成过程中，首先对描述文本进行关键词提取获得文本关键词，并针对文本关键词生成对应的图像关键词，在生成文本关键词对应的图像关键词过程中，可通过将文本关键词输入神经网络语言模型104进行图像关键词生成，生成图像关键词之后，针对每个图像关键词分别与一个或者多个图像库103中图像描述文本进行相似度计算，通过计算获得的相似度来确定每个图像关键词匹配的目标图像库，进一步在参数库102中读取每个图像关键词匹配的目标图像库对应的子模型的模型参数，并将读取的模型参数加载至预训练模型101获得图像生成模型，最后通过将图像关键词输入获得的图像生成模型进行图像生成，获得预训练模型101输出的目标图像；此后，针对预训练模型101输出的目标图像，还可通过图像处理组件105对目标图像进行平滑处理最终获得平滑图像。

本说明书提供的一种基于文本进行图像生成的方法的一个或者多个实施例如下：

参照图2，本实施例提供的基于文本进行图像生成的方法，具体包括步骤S202至步骤S208。

步骤S202，对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词。

本实施例中，在进行图像生成过程中，通过输入进行图像生成的描述文本，以描述文本为数据基础进行图像生成，描述文本是指通过文本来描述想要生成的图像的文字信息，描述文本可由一个或者多个字/词组成，比如通过输入“包含2022的新年兔”这一描述文本，来生成图像中包含“2022”这一数字的生肖兔图像。

具体实施时，在获取到用于进行图像生成的描述文本之后，对进行图像生成的描述文本进行关键词提取，以此来提取描述文本中能够用于图像生成的有效关键词，本实施例提供的一种可选实施方式中，对进行图像生成的描述文本进行关键词提取，包括：对所述描述文本进行分词处理获得至少一个文本词，对所述至少一个文本词进行关键词检测获得所述各文本关键词。

实际图像生成场景中，进行描述文本输入的用户或者商家在进行图像生成过程中，输入的描述文本可能会比较抽象或者比较口语化，如果直接基于从描述文本提取的文本关键词进行图像生成，可能会导致生成的图像与用户或者商家想要生成的图像偏差较大，为了增强对描述文本的理解程度，同时也为了提升作为图像生成基础的关键词的准确性，可通过大语言模型对文本关键词进行理解，生成与用户或者商家的意图更加符合的关键词。

具体的，本实施例提供的一种可选实施方式中，生成提取获得的各文本关键词对应的各图像关键词，包括：

将所述各文本关键词输入神经网络语言模型进行具象关键词生成和/或衍生关键词生成，将输出的具象关键词和/或衍生关键词作为所述各图像关键词。

其中，具象关键词可以是与商品具有直接或者间接关系的关键词，衍生关键词可以是与文本关键词具有语义相似性的具象关键词。

例如，对描述文本“包含2022的新年兔”进行关键词提取获得的文本关键词包括：“包含2022”、“新年”、“兔”，通过将“包含2022”、“新年”、“兔”这3个文本关键词输入大语言模型(LLM，Large Language Model)进行关键词生成，输出的图像关键词为：“数字2022”、“新年节日”、“生肖兔”。

步骤S204，计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库。

本实施例中，通过预先构建一个或者多个图像库，每个图像库中分别存储不同类型的图像，同时还存储有图像的图像描述文本，图像描述文本可以四对图像中包含的元素进行描述的文本信息；同时，预先构建的一个或者多个图像库中，每个图像库都会用于进行模型训练获得下述一个子模型的模型参数。

具体的，在构建一个或者多个图像库的过程中，根据实际场景的需求进行图像库的构建，可根据图像中包含的图像元素的元素类型对图像进行分类进而构建不同元素类型对应的图像库，比如根据包含的图像元素为红包的图像构建红包图像库，根据包含的图像元素为菜品的图像构建菜品图像库，根据包含的图像元素为卡通人物的图像构建卡通图像库；还可从图像所属的服务进行分类构建不同服务的图像库，比如根据所属的服务为运动服务的图像构建运动图像库，根据所属的服务为运动服务的图像构建运动图像库；此外，还可从图像包含的背景元素的元素特征进行分类构建不同的图像库，比如根据背景元素为透明背景的图像构建透明背景图像库，根据背景元素为白色背景的图像构建白色背景图像库，根据背景元素为彩色背景的图像构建彩色背景图像库。

具体执行过程中，在预先构建的一个或者多个图像库的基础上，通过计算每个图像关键词与图像库中图像描述文本的相似度，然后根据相似度来确定各图像关键词匹配的目标图像库，具体是针对每个图像关键词，都需要计算该图像关键词与每个图像库中图像描述文本的相似度，然后根据该图像关键词与每个图像库中图像描述文本的相似度，确定该图像关键词在一个或者多个图像库匹配的目标图像库；以此类推，确定每个图像关键词在一个或者多个图像库匹配的目标图像库。

本实施例提供的一种可选实施方式中，计算所述各图像关键词与图像库中图像描述文本的相似度，包括：

对所述各图像关键词进行向量转换获得关键词向量，并对各图像库中图像描述文本进行向量转换获得图像描述向量；

基于所述关键词向量和所述图像描述向量进行语义相似度计算，获得语义相似度。

这其中，在进行语义相似度计算的过程中，可通过语义相似度算法或者语义相似度模型进行语义相似度计算；为提升语义相似度的计算准确性和计算全面性，在计算任一图像关键词与图像库中图像描述文本的语义相似度的过程中，可分别计算任一图像关键词与图像库中每个图像描述文本的语义相似度，并根据任一图像关键词与图像库中每个图像描述文本的语义相似度，计算任一图像关键词与图像库整体的语义相似度，比如，采用对任一图像关键词与图像库中每个图像描述文本的语义相似度加权平均的方式，计算任一图像关键词与图像库整体的语义相似度；

此外，为了提升计算效率，以此来降低图像生成过程的耗时，在基于关键词向量和图像描述文本的图像描述向量进行语义相似度计算的过程中，可对图像库中图像描述文本的图像描述向量进行向量拼接或者向量融合，获得图像库整体的图像描述向量，对关键词向量与图像库整体的图像描述向量进行语义相似度计算获得相应的语义相似度。

上述通过对各图像关键词与图像库中图像描述文本进行语义相似度计算，获得图像关键词与图像块中图像描述文本的语义相似度，在此基础上，结合计算获得的语义相似度，在一个或者多个图像库中确定每个图像关键词匹配的目标图像库，具体的，本实施例提供的一种可选实施方式中，根据相似度确定所述各图像关键词匹配的目标图像库，包括：

针对所述各图像关键词中任一图像关键词，按照排序顺序对所述任一图像关键词与各图像库中图像描述文本的语义相似度进行排序；

选择排序首位的语义相似度对应的图像库作为所述任一图像关键词匹配的目标图像库。

沿用上例，在预先构建大批量的图像库的基础上，通过将图像关键词“数字2022”与每个图像库中图像的图像描述文本进行语义相似度计算，最终确定图像关键词“数字2022”匹配的目标图像库为存储图像中包含数字2022的数字图像库；

类似的，确定图像关键词“新年节日”匹配的目标图像库为节日图像库，确定图像关键词“生肖兔”匹配的目标图像库为存储生肖图像的生肖图像库。

步骤S206，在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型。

本实施例在预先构建一个或者多个图像库的基础上，通过计算图像关键词与图像库中图像描述文本的相似度来确定图像关键词匹配的目标图像库，同时，预先构建的图像库还用于在预训练模型的基础上进行模型训练，获得预训练模型子模型的模型参数，以此在预训练模型的基础上进行模型训练，使预训练模型能够获得更加全面和更加有针对性的图像处理能力。预训练模型是指预先训练的用于进行图像生成的模型，比如预先训练好的用于根据输入的关键词进行图像生成的稳定扩散模型(Stable Diffusion Model)。

可选的，所述图像库与所述子模型一一对应，即：分别根据每个图像库进行模型训练获得预训练模型的子模型的模型参数。预训练模型的子模型，是指在预训练模型中增加新的处理层；利用图像库对预训练模型中增加的处理层进行训练，能够使增加的处理层具备相应图像处理能力，以此使增加后的预训练模型借助训练获得的处理层能够获得更加有针对性的图像处理能力，同时，通过在预训练模型中增加多个处理层，能够使增加后的预训练模型具有更加全面的图像处理能力。

需要说明的是，预训练模型中增加的处理层在训练完成后获得模型参数后，模型参数被存储至参数库中，即：预训练模型的子模型在未进行参数加载之前，不具有相应的图像处理能力，只有从参数库中读取模型参数并加载至相应的处理层之后，预训练模型中相应的处理层才具备图像处理能力。

具体在对预训练模型中增加的处理层进行训练过程中，也即对预训练模型的子模型进行训练过程中，所述参数库中所述各子模型的模型参数，可通过低秩自适应插件(LoRA，Low Rank Adaptation)对所述预训练模型进行模型训练获得。训练获得的预训练模型的各个子模型的模型参数存储在参数库中。下述以预训练模型的任意一个(任一)子模型的训练过程为例，对子模型的训练过程进行说明。

本实施例提供的一种可选实施方式中，所述参数库中任意一个子模型的模型参数，采用如下方式训练获得：

将所述任一子模型对应的图像库中图像描述文本输入所述预训练模型的图像生成模块进行图像生成，并输入图像处理层进行图像增强处理，获得增强图像；

基于所述增强图像和所述任一子模型对应的图像库中图像描述文本对应的样本图像计算训练损失，并基于所述训练损失对所述图像处理层进行参数调整，将训练完成后获得的所述图像处理层的低秩适应参数作为所述任一子模型的模型参数。

具体实施时，在上述确定各图像关键词匹配的目标图像库的基础上，在存储预训练模型的子模型的模型参数的参数库中，读取基于各目标图像库训练获得的各子模型的模型参数，也即是在参数库中读取各目标图像库对应的子模型的模型参数，在读取到各目标图像库对应的子模型的模型参数之后，通过将读取的模型参数加载至预训练模型获得图像生成模型。

本实施例提供的一种可选实施方式中，将读取的模型参数加载至预训练模型获得图像生成模型，包括：将读取的所述各子模型的模型参数分别加载到所述预训练模型中所述各子模型对应的图像处理层，获得所述图像生成模型。

此处，通过将子模型的模型参数加载至预训练模型中对应的图像处理层，预训练模型具备了各子模型的图像处理能力，将加载子模型的模型参数后的预训练模型称之为图像生成模型。

例如，上述确定图像关键词“数字2022”匹配的目标图像库为包含数字2022的数字图像库，确定图像关键词“新年节日”匹配的目标图像库为节日图像库，确定图像关键词“生肖兔”匹配的目标图像库为存储生肖图像的生肖图像库；

在参数库中读取数字图像库对应的子模型的模型参数、节日图像库对应的子模型的模型参数、生肖图像库对应的子模型的模型参数，并将读取的这3个子模型的模型参数分别注入预训练模型中对应的3个处理层，通过将数字图像库对应的子模型的模型参数注入预训练模型，预训练模型在根据“数字2022”、“新年节日”、“生肖兔”这3个图像关键词进行图像生成获得兔子图像之后，具备将该兔子图像增强处理为包含数字2022的兔子图像的能力；类似的，通过将节日图像库对应的子模型的模型参数注入预训练模型，预训练模型具备了将该兔子图像增强处理为节日主题或者风格的兔子图像的能力，以及，通过将生肖图像库对应的子模型的模型参数注入预训练模型，预训练模型具备了将该兔子图像增强处理为生肖兔图像的能力。

步骤S208，将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

具体实施时，在将各目标图像库对应的子模型的模型参数加载至预训练模型获得图像生成模型后，图像生成模型具备了被加载模型参数的各子模型的相应图像处理能力，基于此，将各图像关键词输入图像生成模型进行图像生成获得目标图像。

本实施例提供的一种可选实施方式中，将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像，包括：

将所述各图像关键词输入所述图像生成模型中的图像生成模块进行图像生成获得中间图像；

通过所述图像生成模型中各子模型对应的图像处理层对所述中间图像进行图像增强处理，获得所述目标图像。

具体执行过程中，若在预训练模型中仅加载一个子模型的模型参数，即：描述文本对应的图像关键词仅有一个，相应的，图像关键词匹配的目标图像库也仅有一个，图像生成模型中子模型对应的图像处理层也仅有一层，在这种情况下，只需将图像生成模型的图像生成模块(图像生成网络)进行图像生成获得中间图像输入图像处理层进行图像增强处理即可输出目标图像；

若在预训练模型中加载多个(至少两个)子模型的模型参数，即：描述文本对应的图像关键词存在多个，相应的，图像关键词匹配的目标图像库也存在多个，图像生成模型中子模型对应的图像处理层也存在多层，在这种情况下，根据图像生成模型中各图像处理层的层级关系，将上一图像处理层进行图像增强输出的图像输入下一图像处理层进行图像增强处理，最后一个图像处理层进行图像增强处理后输出目标图像，第一个图像处理层的输入为图像生成模块进行图像生成获得的中间图像。

例如，将上述获得的“数字2022”、“新年节日”、“生肖兔”这3个图像关键词，输入加载数字图像库对应的子模型、节日图像库对应的子模型、生肖图像库对应的子模型这3个子模型的模型参数的图像生成模型，首先通过图像生成模型的图像生成网络“数字2022”、“新年节日”、“生肖兔”这3个图像关键词进行图像生成获得兔子图像，然后根据图像生成模型中数字图像库对应的子模型、节日图像库对应的子模型、生肖图像库对应的子模型这3个子模型的层级关系，生肖图像库对应的子模型的层级处于节日图像库对应的子模型的层级之前，节日图像库对应的子模型的层级处于数字图像库对应的子模型的层级之前；

首先将图像生成网络生成的兔子图像输入生肖图像库对应的子模型，也即是输入将该兔子图像增强处理为生肖兔图像的图像处理层进行图像增强处理，获得生肖主题的兔子图像；

然后将生肖主题的兔子图像输入节日图像库对应的子模型，也即是输入将该兔子图像增强处理为节日主题图像的图像处理层进行图像增强处理，获得同时具备生肖主题和节日主题的兔子图像；

最后将时具备生肖主题和节日主题的兔子图像输入数字图像库对应的子模型，也即是输入将该兔子图像增强处理为图像中包含数字2022的图像处理层进行图像增强处理，获得同时具备生肖主题、节日以及图像中包含数字2022的兔子图像，如图3所示，并将该兔子图像从图像生成模型输出作为图像生成结果。

实际应用中，在将各图像关键词输入图像生成模型进行图像生成获得目标图像之后，为了提升目标图像的图像质量，可对生成的目标图像进行进一步的图像优化处理，比如对生成的目标图像包含的主体元素和背景元素的平滑程度进行优化，本实施例提供的一种可选实施方式中，采用如下方式对目标图像进行处理：

生成所述目标图像的元素提示信息；

基于所述元素提示信息对所述目标图像进行元素提取，获得主体元素和背景元素；

基于所述主体元素和所述背景元素对所述目标图像进行平滑处理，获得平滑图像。

综上所述，本实施例提供的一种或者多种基于文本进行图像生成的方法，在基于输入的描述文本进行图像生成过程中，对描述文本进行关键词提取获得文本关键词，并针对文本关键词生成对应的图像关键词，通过计算图像关键词与多个图像库中各图像库的图像描述文本的相似度来确定图像关键词匹配的目标图像库，在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型，使增加的处理层具备相应图像处理能力，以此使增加后的预训练模型借助训练获得的处理层能够获得更加有针对性的图像处理能力，同时，通过在预训练模型中增加多个处理层，能够使增加后的预训练模型能够具有更加全面的图像处理能力，在将各目标图像库对应的子模型的模型参数加载至预训练模型获得图像生成模型后，图像生成模型具备了被加载模型参数的各子模型的相应图像处理能力，基于此，将各图像关键词输入图像生成模型进行图像生成，能够使生成的目标图像与进行图像生成的描述文本更加吻合。

下述以本实施例提供的一种基于文本进行图像生成的方法在商户文案生成场景的应用为例，结合图4，对本实施例提供的基于文本进行图像生成的方法进行进一步说明，参见图4，应用于商户文案生成场景的基于文本进行图像生成的方法，具体包括下述步骤。

步骤S402，对商户输入的进行文案图像生成的文案描述文本进行关键词提取，获得多个文本关键词。

步骤S404，将多个文本关键词输入神经网络语言模型进行具象关键词生成和衍生关键词生成，输出多个图像关键词。

步骤S406，计算多个图像关键词中每个图像关键词与各图像库中图像描述文本的相似度，并根据相似度确定每个图像关键词匹配的目标图像库。

步骤S408，在参数库中读取基于多个目标图像库训练获得的多个子模型的模型参数。

步骤S410，将读取的多个子模型的模型参数分别加载至预训练模型中各子模型对应的图像处理层，获得图像生成模型。

步骤S412，将多个图像关键词输入图像生成模型进行文案图像生成获得目标文案图像。

其中，将多个图像关键词输入图像生成模型进行文案图像生成获得目标文案图像，包括：将多个图像关键词输入图像生成模型中的图像生成模网络进行文案图像生成获得文案图像，通过图像生成模型中多个子模型对应的图像处理层对文案图像进行图像增强处理，获得目标文案图像。

本说明书提供的一种基于文本进行图像生成的装置实施例如下：

在上述的实施例中，提供了一种基于文本进行图像生成的方法，与之相对应的，还提供了一种基于文本进行图像生成的装置，下面结合附图进行说明。

参照图5，其示出了本实施例提供的一种基于文本进行图像生成的装置实施例的示意图。

由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例提供一种基于文本进行图像生成的装置，所述装置包括：

关键词生成模块502，被配置为对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

图像库确定模块504，被配置为计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

模型参数处理模块506，被配置为在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

图像生成模块508，被配置为将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

本说明书提供的一种基于文本进行图像生成的设备实施例如下：

对应上述描述的一种基于文本进行图像生成的方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种基于文本进行图像生成的设备，该基于文本进行图像生成的设备用于执行上述提供的一种基于文本进行图像生成的方法，图6为本说明书一个或多个实施例提供的一种基于文本进行图像生成的设备的结构示意图。

本实施例提供的一种基于文本进行图像生成的设备，包括：

如图6所示，基于文本进行图像生成的设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括基于文本进行图像生成的设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在基于文本进行图像生成的设备上执行存储器602中的一系列计算机可执行指令。基于文本进行图像生成的设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入/输出接口605，一个或一个以上键盘606等。

在一个具体的实施例中，基于文本进行图像生成的设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对基于文本进行图像生成的设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

本说明书提供的一种存储介质实施例如下：

对应上述描述的一种基于文本进行图像生成的方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。

本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

需要说明的是，本说明书中关于一种存储介质的实施例与本说明书中一种基于文本进行图像生成的方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或者相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处，比如装置实施例、设备实施例和存储介质实施例，三者均相似于方法实施例，所以描述地比较简单，阅读装置实施例、设备实施例和存储介质实施例中的相关内容请参照方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括至少一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (13)

1.一种基于文本进行图像生成的方法，包括：

对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

2.根据权利要求1所述的基于文本进行图像生成的方法，所述对进行图像生成的描述文本进行关键词提取，包括：

对所述描述文本进行分词处理获得至少一个文本词；

对所述至少一个文本词进行关键词检测获得所述各文本关键词。

3.根据权利要求1所述的基于文本进行图像生成的方法，所述生成提取获得的各文本关键词对应的各图像关键词，包括：

将所述各文本关键词输入神经网络语言模型进行具象关键词生成和/或衍生关键词生成，将输出的具象关键词和/或衍生关键词作为所述各图像关键词。

4.根据权利要求1所述的基于文本进行图像生成的方法，所述计算所述各图像关键词与图像库中图像描述文本的相似度，包括：

对所述各图像关键词进行向量转换获得关键词向量，并对各图像库中图像描述文本进行向量转换获得图像描述向量；

基于所述关键词向量和所述图像描述向量进行语义相似度计算，获得语义相似度。

5.根据权利要求4所述的基于文本进行图像生成的方法，所述根据所述相似度确定所述各图像关键词匹配的目标图像库，包括：

针对所述各图像关键词中任一图像关键词，按照排序顺序对所述任一图像关键词与所述各图像库中图像描述文本的语义相似度进行排序；

选择排序首位的语义相似度对应的图像库作为所述任一图像关键词匹配的目标图像库。

6.根据权利要求1所述的基于文本进行图像生成的方法，所述图像库与所述子模型一一对应；

所述参数库中所述各子模型的模型参数，通过低秩自适应插件对所述预训练模型进行模型训练获得。

7.根据权利要求6所述的基于文本进行图像生成的方法，所述参数库中任意一个子模型的模型参数，采用如下方式训练获得：

将所述任一子模型对应的图像库中图像描述文本输入所述预训练模型的图像生成模块进行图像生成，并输入图像处理层进行图像增强处理，获得增强图像；

基于所述增强图像和所述任一子模型对应的图像库中图像描述文本对应的样本图像计算训练损失，并基于所述训练损失对所述图像处理层进行参数调整，将训练完成后获得的所述图像处理层的低秩适应参数作为所述任一子模型的模型参数。

8.根据权利要求1所述的基于文本进行图像生成的方法，所述将读取的模型参数加载至预训练模型获得图像生成模型，包括：

将读取的所述各子模型的模型参数分别加载到所述预训练模型中所述各子模型对应的图像处理层，获得所述图像生成模型。

9.根据权利要求8所述的基于文本进行图像生成的方法，所述将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像，包括：

将所述各图像关键词输入所述图像生成模型中的图像生成模块进行图像生成获得中间图像；

通过所述图像生成模型中各子模型对应的图像处理层对所述中间图像进行图像增强处理，获得所述目标图像。

10.根据权利要求1所述的基于文本进行图像生成的方法，所述将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像步骤执行之后，还包括：

生成所述目标图像的元素提示信息；

基于所述元素提示信息对所述目标图像进行元素提取，获得主体元素和背景元素；

基于所述主体元素和所述背景元素对所述目标图像进行平滑处理，获得平滑图像。

11.一种基于文本进行图像生成的装置，包括：

关键词生成模块，被配置为对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

图像库确定模块，被配置为计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

模型参数处理模块，被配置为在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

图像生成模块，被配置为将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

12.一种基于文本进行图像生成的设备，包括：

处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：

对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。

13.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

对进行图像生成的描述文本进行关键词提取，并生成提取获得的各文本关键词对应的各图像关键词；

计算所述各图像关键词与图像库中图像描述文本的相似度，并根据所述相似度确定所述各图像关键词匹配的目标图像库；

在参数库中读取基于各目标图像库训练获得的各子模型的模型参数，并将读取的模型参数加载至预训练模型获得图像生成模型；

将所述各图像关键词输入所述图像生成模型进行图像生成获得目标图像。