[发明专利]图像生成模型的训练方法、图像生成方法、装置及设备

说明书

本申请提供一种图像生成模型的训练方法、图像生成方法、装置及设备，可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，方法包括将样本自然图像输入至第一待训练生成器得到生成风格化图像，并将生成风格化图像输入至第二待训练生成器得到重建自然图像；将样本风格化图像输入至第二待训练生成器得到生成自然图像，并将生成自然图像输入至第一待训练生成器得到重建风格化图像；根据样本自然图像、生成风格化图像、重建自然图像、样本风格化图像、生成自然图像、重建风格化图像，构建目标损失函数对第一待训练生成器和第二待训练生成器进行训练，训练结束时的第一待训练生成器作为图像生成模型。本发明可以提高图像生成模型的鲁棒性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像生成模型的训练方法、图像生成方法、装置及设备。

背景技术

现有技术中对自然图像进行风格化的算法包括基于特征融合的方法和基于生成对抗网络的方法。然而，基于特征融合的方法中，由于单张图像无法准确描述一类风格图像的潜在特征，导致无法迁移结构类纹理风格信息。基于生成对抗网络的方法中，在对两个图像域的数据集的学习过程中，没有考虑两个图像域信息量不对等的情况。因此，基于上述两种方法生成的图像的质量较差。

发明内容

为了解决现有技术中对自然图像进行风格化的模型无法生成高质量的图像的问题，本申请提供了一种图像生成模型的训练方法、图像生成方法、装置及设备：

根据本申请的第一方面，提供了一种图像生成模型的训练方法，包括：

获取样本自然图像和样本风格化图像；

将样本自然图像输入至第一待训练生成器进行风格化生成处理，得到生成风格化图像，并将生成风格化图像输入至第二待训练生成器进行自然生成处理，得到重建自然图像；

将样本风格化图像输入至第二待训练生成器进行自然生成处理，得到生成自然图像，并将生成自然图像输入至第一待训练生成器进行风格化生成处理，得到重建风格化图像；

根据样本自然图像、生成风格化图像、重建自然图像、样本风格化图像、生成自然图像、重建风格化图像，构建目标损失函数；

基于目标损失函数对第一待训练生成器和第二待训练生成器进行训练，直至满足第一预设训练结束条件结束训练；

其中，训练结束时的第一待训练生成器作为图像生成模型。

根据本申请的第二方面，提供了一种图像生成模型的训练模型，包括：

第一获取模块，用于获取样本自然图像和样本风格化图像；

第一处理模块，用于将样本自然图像输入至第一待训练生成器进行风格化生成处理，得到生成风格化图像，并将生成风格化图像输入至第二待训练生成器进行自然生成处理，得到重建自然图像；

第二处理模块，用于将样本风格化图像输入至第二待训练生成器进行自然生成处理，得到生成自然图像，并将生成自然图像输入至第一待训练生成器进行风格化生成处理，得到重建风格化图像；

构建模块，用于根据样本自然图像、生成风格化图像、重建自然图像、样本风格化图像、生成自然图像、重建风格化图像，构建目标损失函数；

第一训练模块，用于基于目标损失函数对第一待训练生成器和第二待训练生成器进行训练，直至满足第一预设训练结束条件结束训练；

其中，训练结束时的第一待训练生成器作为图像生成模型。

另一方面，构建模块，包括：

边缘特征提取子模块，用于将样本自然图像、生成风格化图像和重建自然图像分别输入至边缘提取器进行边缘特征提取处理，得到样本自然图像对应的第一边缘特征、生成风格化图像对应的第二边缘特征、重建自然图像对应的第三边缘特征；边缘提取器的参数在整个训练过程中保持不变；