[发明专利]一种基于人工智能的按钮图像生成方法和装置有效

专利信息
申请号: 202010825844.5 申请日: 2020-08-17
公开(公告)号: CN111915701B 公开(公告)日: 2023-08-22
发明(设计)人: 黄超;周大军 申请(专利权)人: 腾讯科技(上海)有限公司
主分类号: G06T11/20 分类号: G06T11/20;G06T3/00;G06N20/00;G06V10/774;G06V10/764
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 刘星雨;张颖玲
地址: 201200 上海*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 人工智能 按钮 图像 生成 方法 装置
【说明书】:

本申请提供了一种基于人工智能的按钮图像生成方法、装置、电子设备及计算机可读存储介质;方法包括:从应用界面中采样得到相同类型的多个真实按钮图像样本;其中,所述多个真实按钮图像样本的外观具有类似的关键特征,且具有不同的风格;根据所述真实按钮图像样本训练对应所述类型的机器学习模型;通过所述机器学习模型执行以下处理:基于所述机器学习模型的输入数据生成包括所述关键特征、且具有新的风格的新按钮图像。通过本申请,能够智能化地生成风格多样化的按钮图像。

技术领域

本申请涉及人工智能的图形处理技术,尤其涉及一种基于人工智能的按钮图像生成方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能(Artificial Intelligence,AI)是计算机科学的一个综合技术,通过研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。基于人工智能的图形处理技术在很多的领域得到应用,并发挥越来越重要的价值。

在应用界面开发中,需要为应用界面中的按钮设计多种风格,以满足不同用户群体的需求。相关技术中均是采用基于规则的游戏按钮图像扩充方法,即,通过随机裁剪游戏按钮、缩放游戏按钮的大小、更换游戏按钮的色调扩充游戏按钮图像,以丰富游戏按钮图像的外观风格,但本质上仅仅是在原有图像的基础上进行简单的修改,得到的游戏按钮外观风格差异不大,不能满足用户在视觉感观上的需求。

因此,相关技术中对于利用人工智能技术提升按钮图像的多样性尚无有效的方案。

发明内容

本申请实施例提供一种基于人工智能的按钮图像生成方法、装置、电子设备及计算机可读存储介质,能够智能化地生成风格多样化的按钮图像。

本申请实施例的技术方案是这样实现的:

本申请实施例提供一种基于人工智能的按钮图像生成方法,包括:

从应用界面中采样得到相同类型的多个真实按钮图像样本;

其中,所述多个真实按钮图像样本的外观具有类似的关键特征,且具有不同的风格;

根据所述真实按钮图像样本训练对应所述类型的机器学习模型;

通过所述机器学习模型执行以下处理:基于所述机器学习模型的输入数据生成包括所述关键特征、且具有新的风格的新按钮图像。

本申请实施例提供一种基于人工智能的按钮图像生成装置,包括:

采样模块,用于从应用界面中采样得到相同类型的多个真实按钮图像样本;

其中,所述多个真实按钮图像样本的外观具有类似的关键特征,且具有不同的风格;

训练模块,用于根据所述真实按钮图像样本训练对应所述类型的机器学习模型;

生成模块,用于通过所述机器学习模型执行以下处理:基于所述机器学习模型的输入数据生成包括所述关键特征、且具有新的风格的新按钮图像。

上述方案中,所述机器学习模型是自编码网络,所述自编码网络包括编码网络和解码网络;

所述训练模块,还用于通过所述编码网络对所述真实按钮图像样本进行特征提取处理,得到所述真实按钮图像样本的所述关键特征;

通过所述解码网络对所述关键特征进行上采样处理,得到具有所述关键特征的虚假按钮图像样本;

根据所述虚假按钮图像样本与所述真实按钮图像样本之间的误差,生成自编码网络损失函数;

根据所述自编码网络损失函数更新所述解码网络和所述编码网络的参数。

上述方案中,所述机器学习模型是生成对抗网络;其中,所述生成对抗网络包括生成网络和判别网络;

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(上海)有限公司,未经腾讯科技(上海)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/202010825844.5/2.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