[发明专利]用于生成头像生成模型的方法和装置

说明书

本公开的实施例公开了用于生成头像生成模型的方法和装置。该方法的一具体实施方式包括：获取预设的训练样本集合；获取预先建立的初始生成对抗网络：利用机器学习方法，将训练样本集合中的训练样本包括的样本向量作为生成网络的输入，将生成网络输出的头像、与输入生成网络的样本向量对应的样本头像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为头像生成模型。该实施方式生成的头像生成模型可以利用输入的向量生成头像，从而有助于提高生成头像的效率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成头像生成模型的方法和装置。

背景技术

目前，在有些场合下，需要大量的头像供人们使用。例如，在训练用于将用户的人脸图像转换为其他风格的图像(例如动漫头像)的模型的时候，通常需要大量的头像作为训练样本。现有的生成训练样本的方法，主要是通过从已有的头像资源中获取头像，或者人工绘制头像的方式生成训练样本。

发明内容

本公开的实施例提出了用于生成头像生成模型的方法和装置，以及用于生成头像的方法和装置。

第一方面，本公开的实施例提供了一种用于生成头像生成模型的方法，该方法包括：获取预设的训练样本集合，其中，训练样本包括样本向量，以及与样本向量对应的样本头像；获取预先建立的初始生成对抗网络，其中，初始生成对抗网络包括生成网络和判别网络，生成网络用于利用所输入的样本向量生成头像，判别网络用于区分所述生成网络输出的头像和输入所述生成网络的样本向量对应的样本头像；执行如下训练步骤：利用机器学习方法，将训练样本集合中的训练样本包括的样本向量作为生成网络的输入，将生成网络输出的头像、与输入生成网络的样本向量对应的样本头像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为头像生成模型。

在一些实施例中，在将训练后的生成网络确定为头像生成模型之后，训练步骤还包括：对于训练样本集合中的训练样本，将该训练样本包括的样本向量输入所生成的头像生成模型，得到头像；确定用于表征所得到的头像之间的差异程度的差异程度值；响应于确定差异程度值大于等于预设的差异程度阈值，确定所生成的头像生成模型为最终的头像生成模型。

在一些实施例中，在确定用于表征所得到的头像之间的差异程度的差异程度值之后，方法还包括：响应于确定差异程度值小于差异程度阈值，重新生成训练样本集合；将所生成的头像生成模型作为初始生成对抗网络，利用重新生成的训练样本集合，重新执行训练步骤。

在一些实施例中，重新生成训练样本集合，包括：对于训练样本集合中的训练样本，重新生成该训练样本包括的样本头像对应的样本向量，将重新生成的样本向量和该训练样本包括的样本头像确定为重新生成的训练样本。

在一些实施例中，确定用于表征所得到的头像之间的差异程度的差异程度值，包括：确定所得到的头像中的头像的特征向量；基于所确定的特征向量两两之间的距离，确定差异程度值。

在一些实施例中，其中，样本向量是随机生成的预设维度的向量。

第二方面，本公开的实施例提供了一种用于生成头像的方法，该方法包括：获取目标向量；将目标向量输入预先训练的头像生成模型，得到与目标向量对应的头像及输出，其中，头像生成模型是根据上述第一方面中任一实施例描述的方法生成的。

在一些实施例中，目标向量是随机生成的预设维度的向量。