[发明专利]经由从粗略到精细的扩展和采样的基于能量的生成模型

权利要求书

1.一种用于训练基于能量的模型的计算机实施方法，所述方法包括：

获得具有当前阶段分辨率的一组真实图像；

获得具有所述当前阶段分辨率的一组当前阶段初始合成图像；

获得一组前一阶段合成图像，其中所述前一阶段合成图像具有比所述当前阶段分辨率低的分辨率的前一阶段分辨率；

给定所述一组前一阶段合成图像和具有所述前一阶段分辨率的输入的前一阶段基于能量的模型，经由马尔可夫链蒙特卡洛采样来生成一组更新的前一阶段合成图像；

通过将所述一组当前阶段初始合成图像与已上采样至所述当前阶段分辨率的所述一组更新的前一阶段合成图像相结合，生成具有所述当前阶段分辨率的一组更新的当前阶段初始合成图像；

给定所述一组更新的当前阶段初始合成图像和具有所述当前阶段分辨率的输入的当前阶段基于能量的模型，经由马尔可夫链蒙特卡洛采样来生成一组更新的当前阶段合成图像；

基于使用所述一组真实图像和所述当前阶段基于能量的模型获得的预期值以及使用所述一组更新的当前阶段合成图像和所述当前阶段基于能量的模型的预期值之间的差异，更新所述当前阶段基于能量的模型；

响应于所述当前阶段分辨率不是最终分辨率：

修改所更新的当前阶段基于能量的模型，以生成分辨率高于所述当前阶段分辨率的基于能量的扩展模型；

将所更新的当前阶段基于能量的模型设定为用于下一迭代的所述前一阶段基于能量的模型，并将其分辨率设定为用于所述下一迭代的所述前一阶段分辨率；

将所述基于能量的扩展模型设定为用于所述下一迭代的所述当前阶段基于能量的模型，并将其分辨率设定为用于所述下一迭代的所述当前阶段分辨率；以及

返回到获得一组真实图像的步骤进行迭代；以及

响应于所述当前阶段分辨率是最终分辨率，输出所更新的当前阶段基于能量的模型作为具有所述最终分辨率的经训练的基于能量的模型。

2.根据权利要求1所述的计算机实施方法，还包括：

响应于作为第一迭代：

获得具有当前阶段分辨率的一组真实图像，所述当前阶段分辨率是最低分辨率；

获得具有所述当前阶段分辨率的一组当前阶段初始合成图像；

给定所述一组当前阶段初始合成图像和具有所述当前阶段分辨率的输入的当前阶段基于能量的模型，经由马尔可夫链蒙特卡洛采样来生成一组更新的当前阶段合成图像；

基于使用所述一组真实图像和所述当前阶段基于能量的模型获得的预期值以及使用所述一组更新的当前阶段合成图像和所述当前阶段基于能量的模型的预期值之间的差异，更新所述当前阶段基于能量的模型；

响应于所述当前阶段分辨率不是最终分辨率：

修改所更新的当前阶段基于能量的模型以生成分辨率高于所述当前阶段分辨率的基于能量的扩展模型；

将所更新的当前阶段基于能量的模型设定为用于下一迭代的所述前一阶段基于能量的模型，并将其分辨率设定为用于所述下一迭代的所述前一阶段分辨率；

将所述基于能量的扩展模型设定为用于所述下一迭代的所述当前阶段基于能量的模型，并将其分辨率设定为用于所述下一迭代的所述当前阶段分辨率；以及

返回到所述获得一组真实图像的步骤进行迭代；以及

响应于所述当前阶段分辨率是最终分辨率，输出所更新的当前阶段基于能量的模型作为具有所述最终分辨率的经训练的基于能量的模型。

3.根据权利要求1所述的计算机实施方法，其中，获得具有所述当前阶段分辨率的一组当前阶段初始合成图像的步骤包括：

通过均匀噪声分布初始化所述一组当前阶段初始合成图像。

4.根据权利要求1所述的计算机实施方法，其中，获得具有当前阶段分辨率的一组真实图像的步骤包括：

给定具有所述最终分辨率的一组训练图像：

响应于所述当前阶段分辨率不是所述最终分辨率：

将来自所述一组训练图像中的训练图像下采样至所述当前阶段分辨率；以及

从所述下采样的训练图像中采样，以获得具有所述当前阶段分辨率的所述一组真实图像；以及

响应于所述当前阶段分辨率是所述最终分辨率，从所述训练图像中采样，以获得具有所述当前阶段分辨率的所述一组真实图像。