[发明专利]图像生成方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202210276494.0 申请日: 2022-03-21
公开(公告)号: CN114638914A 公开(公告)日: 2022-06-17
发明(设计)人: 赵奕涵 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T11/60 分类号: G06T11/60;G06F40/253;G06F40/284;G06F40/216;G06F40/30
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 李文渊
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 生成 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种图像生成方法,其特征在于,所述方法包括:

获取待处理文本,并确定与所述待处理文本相对应的主题情感信息;

确定与所述主题情感信息相匹配的目标背景图像;

对所述目标背景图像进行布局拆解,得到所述目标背景图像的图像布局;

根据所述图像布局和所述主题情感信息,生成相应的目标前景图像;

将所述目标前景图像排布于所述目标背景图像中,得到目标图像。

2.根据权利要求1所述的方法,其特征在于,所述主题情感信息包括文本主题信息;所述确定与所述待处理文本相对应的主题情感信息,包括:

对所述待处理文本进行分词处理,得到至少一个文本分词;

从所述至少一个文本分词中筛选出关键词,并根据所述关键词确定所述待处理文本的文本主题信息。

3.根据权利要求2所述的方法,其特征在于,所述从所述至少一个文本分词中筛选出关键词,包括:

分别确定各所述文本分词在所述待处理文本中出现的频率,得到各所述文本分词各自对应的词频;

分别确定各所述文本分词在预设语料文本库中出现的频率,得到各所述当前文本分词各自对应的文本频率;

根据各所述文本分词各自对应的词频和各所述文本分词自对应的文本频率,从所述至少一个文本分词中筛选出关键词。

4.根据权利要求1所述的方法,其特征在于,所述主题情感信息包括文本情感信息;所述确定与所述待处理文本相对应的主题情感信息,包括:

对所述待处理文本进行分词处理,得到文本分词,并对所述文本分词进行词向量嵌入处理,得到与所述文本分词相对应的文本词向量;

对所述词向量进行编码处理,得到所述待处理文本的语义特征;

对所述语义特征进行解码处理,得到所述待处理文本的文本情感信息。

5.根据权利要求1所述的方法,其特征在于,所述确定与所述主题情感信息相匹配的目标背景图像,包括:

获取背景图像库;所述背景图像库中包括有多个背景图像;所述背景图像具有相对应的图像标签;

根据所述主题情感信息和各所述背景图像各自对应的图像标签,从所述背景图像库中筛选出目标背景图像。

6.根据权利要求5所述的方法,其特征在于,所述主题情感信息包括文本主题信息和文本情感信息;所述图像标签包括图像主题标签和图像情感标签;

所述根据所述主题情感信息和各所述背景图像各自对应的图像标签,从所述背景图像库中筛选出目标背景图像,包括:

对于背景图像库中的每张背景图像,均确定当前背景图像的图像主题标签与所述文本主题信息之间的相似度;

将相似度大于或等于相似度阈值的背景图像作为候选背景图像,并从候选背景图像中筛选出与所述文本情感信息属于同一情感类型的同类背景图像;

对于多张同类背景图像中的每张同类背景图像,均确定当前同类背景图像的图像情感标签与所述文本情感信息之间的情感差异;

将情感差异小于或等于差异阈值的同类背景图像作为目标背景图像。

7.根据权利要求5至6任意一项所述的方法,其特征在于,所述背景图像的图像标签由图像标签生成模型的生成,所述图像标签生成模型的训练步骤包括:

获取样本图像和与所述样本图像相对应的第一样本标签;

将所述样本图像输入至所述图像标签生成模型中,得到第一预测标签;

根据所述第一样本标签和所述第一预测标签之间的标签差异,对所述图像标签生成模型进行训练,直至达到第一训练停止条件时停止,得到训练好的图像标签生成模型。

8.根据权利要求1所述的方法,其特征在于,所述对所述目标背景图像进行布局拆解,得到所述目标背景图像的图像布局,包括:

识别所述目标背景图像中的主体,得到所述主体所在区域的第一区域坐标;

根据所述目标背景图像的图像尺寸和所述第一区域坐标,得到所述目标背景图像的图像布局。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210276494.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top