[发明专利]图像生成方法、图像生成装置及相关设备

权利要求书

1.一种图像生成方法，其特征在于，包括：

利用具有目标人脸风格的目标数据集，对预先训练的风格生成对抗网络StyleGAN模型进行训练和模型参数调整，得到风格化模型，所述风格化模型用于生成具有所述目标人脸风格的人脸图像；

将随机噪声分别输入至所述StyleGAN模型和所述风格化模型，以使所述StyleGAN模型基于所述随机噪声输入得到第一人脸图像，所述风格化模型基于所述随机噪声输入和所述第一人脸图像得到第二人脸图像，所述第二人脸图像是将所述第一人脸图像进行风格迁移后，得到的具有所述目标人脸风格的人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述StyleGAN模型基于所述随机噪声输入得到所述第一人脸图像，包括：

所述StyleGAN模型的第一映射层基于所述随机噪声输入进行特征提取，得到第一隐藏特征；所述第一隐藏特征用于表征所述第一人脸图像中人脸区域的属性；

将所述第一隐藏特征与预设的第一平均特征进行加权处理，得到第一目标特征；所述第一平均特征基于所述StyleGAN模型每一次训练时所述第一映射层输出的结果确定；

所述StyleGAN模型的第一综合模块基于所述第一目标特征输入进行图像生成，得到所述第一人脸图像。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一隐藏特征与预设的第一平均特征进行加权处理，得到第一目标特征，包括：

将所述第一隐藏特征与预设的第一平均特征进行加权处理，得到第一中间特征；

对所述第一中间特征对应的参数进行调整，得到所述第一目标特征。

4.根据权利要求2所述的方法，其特征在于，所述风格化模型基于所述随机噪声输入和所述第一人脸图像得到所述第二人脸图像，包括：

所述风格化模型的第二映射层基于所述随机噪声输入进行特征提取，得到第二隐藏特征，所述第二隐藏特征用于表征所述第二人脸图像中人脸区域的属性；

将所述第二隐藏特征与预设的第二平均特征进行加权处理，得到第二目标特征；所述第二平均特征基于所述风格化模型每一次训练时所述第二映射层输出的结果确定；

所述风格化模型的第二综合模块基于所述第二目标特征输入和所述第一人脸图像输入进行图像生成，得到所述第二人脸图像。

5.根据权利要求4所述的方法，其特征在于，所述将随机噪声分别输入至所述StyleGAN模型和所述风格化模型，获得第一人脸图像以及第二人脸图像，包括：

将所述StyleGAN模型和所述风格化模型进行混合，得到混合模型；其中，所述混合模型包括所述StyleGAN模型和所述风格化模型，且所述StyleGAN模型的第一综合模块的输出端与所述风格化模型的第二综合模块的输入端连接；

将所述随机噪声输入至所述StyleGAN模型和所述混合模型进行图像生成，得到第一人脸图像以及第二人脸图像。

6.根据权利要求4所述的方法，其特征在于，所述利用具有目标人脸风格的目标数据集，对预先训练的StyleGAN模型进行训练和模型参数调整得到风格化模型之后，所述方法还包括：

获取样本真实图像的第三隐藏特征，所述第三隐藏特征用于表征所述样本真实图像中人脸区域的属性；

将所述第三隐藏特征与预设的所述第二平均特征进行加权处理，得到第三目标特征；

所述StyleGAN模型的第一综合模块基于所述第三隐藏特征输入进行图像生成，得到第一真实图像；

所述风格化模型的第二综合模块基于所述第三目标特征输入和所述第一真实图像输入进行图像生成，得到第二真实图像；所述第二真实图像是将所述第一真实图像进行风格迁移后，具有所述目标人脸风格的人脸图像。

7.根据权利要求6所述的方法，其特征在于，所述将随机噪声分别输入至所述StyleGAN模型和所述风格化模型，获得第一人脸图像以及第二人脸图像之后，所述方法还包括：

确定所述样本真实图像中背景区域的属性，以及确定所述第二真实图像中背景区域的属性；

使用所述样本真实图像中背景区域的属性替换所述第二真实图像中背景区域的属性。