[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

说明书

本公开提供了一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于虚拟形象生成等场景。具体实现方案为：将标准图像样本集和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；将测试隐向量样本集和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；将标准图像样本集和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；基于上述模型，用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。提高了生成虚拟形象的效率，提高了用户体验。

技术领域

本公开涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于虚拟形象生成等场景，尤其涉及一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品。

背景技术

目前由文本生成虚拟形象只能通过匹配实现，即通过人工标注，为虚拟形象标注属性标签，手动设置映射关系，但该方式成本高、灵活性不足，对于复杂和数量大的语义结构，人工标注难以构建更深层次的网状映射关系。

发明内容

本公开提供了一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品，提高了生成虚拟形象的效率。

根据本公开的一方面，提供了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；将标准图像样本集和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；基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集；将测试隐向量样本集和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；将标准图像样本集和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；基于图像生成模型、图像编码模型和图像编辑模型，用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。

根据本公开的另一方面，提供了一种虚拟形象生成方法，包括：接收虚拟形象生成请求；基于虚拟形象生成请求确定第一描述文本；基于第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，生成与第一描述文本对应的虚拟形象。

根据本公开的又一方面，提供了一种虚拟形象生成模型的训练装置，包括：第一获取模块，被配置为获取标准图像样本集、描述文本样本集和随机向量样本集；第一训练模块，被配置为将标准图像样本集和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；第二获取模块，被配置为基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集；第二训练模块，被配置为将测试隐向量样本集和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；第三训练模块，被配置为将标准图像样本集和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；第四训练模块，被配置为基于图像生成模型、图像编码模型和图像编辑模型，用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。

根据本公开的又一方面，提供了一种虚拟形象生成装置，包括：第一接收模块，被配置为接收虚拟形象生成请求；第一确定模块，被配置为基于虚拟形象生成请求确定第一描述文本；第一生成模块，被配置为基于第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，生成与第一描述文本对应的虚拟形象。

根据本公开的又一方面，提供了一种电子设备，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，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述虚拟形象生成模型的训练方法及虚拟形象生成方法。

根据本公开的又一方面，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，其中，上述计算机指令用于使上述计算机执行上述虚拟形象生成模型的训练方法及虚拟形象生成方法。