[发明专利]虚拟形象生成模型的训练方法和虚拟形象生成方法

权利要求书

1.一种虚拟形象生成模型的训练方法，包括：

获取标准图像样本集、描述文本样本集和随机向量样本集，其中，所述描述文本样本集中的描述文本，是用于描述目标虚拟形象的特征的文本；

将所述标准图像样本集和所述随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型，其中，所述随机向量样本集中的随机向量样本作为所述第一初始模型的输入，所述第一初始模型的输出与所述标准图像样本集中的标准图像进行比较；

基于所述随机向量样本集和所述图像生成模型，得到测试隐向量样本集和测试图像样本集；

将所述测试隐向量样本集和所述测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型，其中，所述测试图像样本集中的测试图像样本作为所述第二初始模型的输入，所述第二初始模型的输出与所述测试隐向量样本集中的测试隐向量进行比较；

将所述标准图像样本集和所述描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；

基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，用所述第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。

2.根据权利要求1所述的方法，还包括：

将所述标准图像样本集中的标准图像样本，输入到预先训练的形状系数生成模型中，得到形状系数样本集；

将所述标准图像样本集中的标准图像样本，输入到所述图像编码模型中，得到标准隐向量样本集；

将所述形状系数样本集和所述标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。

3.根据权利要求1所述的方法，其中，所述将所述标准图像样本集和所述随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型包括：

将所述随机向量样本集中的随机向量样本输入到所述第一初始模型的转换网络中，得到第一初始隐向量；

将所述第一初始隐向量输入到所述第一初始模型的生成网络中，得到初始图像；

基于所述初始图像和所述标准图像样本集中的标准图像，得到第一损失值；

响应于所述第一损失值小于预先设置的第一损失阈值，将所述第一初始模型确定为所述图像生成模型；

响应于所述第一损失值大于等于所述第一损失阈值，调整所述第一初始模型的参数，继续训练所述第一初始模型。

4.根据权利要求3所述的方法，其中，所述基于所述随机向量样本集和所述图像生成模型，得到测试隐向量样本集和测试图像样本集包括：

将所述随机向量样本集中的随机向量样本，输入到所述图像生成模型的转换网络中，得到所述测试隐向量样本集；

将所述测试隐向量样本集中的测试隐向量样本，输入到所述图像生成模型的生成网络中，得到所述测试图像样本集。

5.根据权利要求4所述的方法，其中，所述将所述测试隐向量样本集和所述测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型包括：

将所述测试图像样本集中的测试图像样本，输入到所述第二初始模型中，得到第二初始隐向量；

基于所述第二初始隐向量，和所述测试隐向量样本集中与所述测试图像样本对应的测试隐向量样本，得到第二损失值；

响应于所述第二损失值小于预先设置的第二损失阈值，将所述第二初始模型确定为所述图像编码模型；

响应于所述第二损失值大于等于所述第二损失阈值，调整所述第二初始模型的参数，继续训练所述第二初始模型。