[发明专利]图像素材生成方法和装置及电子设备、计算机可读存储介质

说明书

本发明公开了一种图像素材生成方法和装置及电子设备、计算机可读存储介质，其中，所述方法包括：根据图像素材内部的图像元素差异对所述图像素材进行语义分割处理，对每一类图像元素的像素分别设置相应的第一类别标签，获得元素图像；将所述元素图像作为训练样本，训练预设的第二目标条件生成式对抗网络模型，获得基于图像元素生成图像素材的第一目标条件生成式对抗网络模型；将实际图像元素组合输入到所述第一目标条件生成式对抗网络模型，生成与所述实际图像元素组合对应的目标图像素材。采用本发明所述的图像素材生成方法，能够基于图像元素的组合生成符合需要的高质量图像素材，提高了图像素材生成的精确度，可根据用户的需求进行定制。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种图像素材生成方法和装置。另外，还涉及一种电子设备和存储介质。

背景技术

近年来，随着人工智能技术的快速发展，以及计算机硬件算力的增长，以人工智能技术为核心的图像处理系统应运而生。目前，以深度神经网络为代表的深度学习模型在目标检测、语义分割、物体追踪、动作识别等任务上都表现出优越的性能，在图像生成、视频生成等领域得到广泛应用。然而，随着当前版权管理日趋严格和图像素材获取成本的提升，各类媒体产品中使用的图像素材也受到了诸多限制。

为了解决上述问题，现有技术中国通常采用的技术手段是利用生成式对抗网络（GAN, Generative Adversarial Networks）为代表的深度生成模型以无监督的学习目标数据分布，从而产生图像素材数据。然而，上述方式虽然在一定程度上解决了图像素材生成问题，但是无法指导图像素材生成过程，不够灵活，导致生成的图像素材难以有效满足用户的实际使用需求。因此，如何准确获得更多高质量的图像素材是当前迫切需要解决的问题。

发明内容

为此，本发明实施例提供一种图像素材生成方法和装置，以解决现有技术中存在的图像素材生成过程精确度较低，无法有效满足用户实际使用需求的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例提供的一种图像素材生成方法，包括：获得符合预设主题类型的图像素材；根据所述获得符合预设主题类型的图像素材内部的图像元素差异对所述图像素材进行语义分割处理，对每一类图像元素的像素分别设置相应的第一类别标签，获得与所述获得符合预设主题类型的图像素材对应的元素图像；将所述元素图像作为训练样本，训练预设的第二目标条件生成式对抗网络模型，获得基于图像元素生成图像素材的第一目标条件生成式对抗网络模型；其中，所述第一目标条件生成式对抗网络模型用于：根据给定的图像元素组合，获得与所述图像元素组合对应的图像素材；获得用户选择的实际图像元素组合，将所述实际图像元素组合输入到所述第一目标条件生成式对抗网络模型，生成与所述实际图像元素组合对应的目标图像素材。语义分割是计算机视觉中十分重要的领域，它是指像素级地识别图像，即标注出图像中每个像素所属的对象类别。因此，本发明的方法将符合预设主题类型的图像素材进行语义分割获得元素图像对第二目标条件生成式对抗网络模型进行训练得到第一目标条件生成式对抗网络模型。第一目标条件生成式对抗网络模型则能将输入的图像元素组合随机生成目标图像素材。其中图像元素是图像内部的人、车等具体对象，第一目标条件生成式对抗网络模型输入的图像元素组合是用户自行确定的对象组合，该图像元素组合中的像素都标注了所属的对象类别。

进一步的，所述获得符合预设主题类型的图像素材，具体包括：获得预设的图像数据集；根据所述图像数据集中的图像数据主题类型，分别设置相应的第二类别标签；根据所述第二类别标签对预设生成式对抗网络模型的生成器设置约束条件，获得第四条件生成式对抗网络模型；将图像数据集中的图像数据和所述第二类别标签作为所述第四目标条件生成式对抗网络模型的训练样本，训练所述第四条件生成式对抗网络模型，获得基于图像类别生成图像素材的第三目标条件生成式对抗网络模型；获得用户输入的类别标签和随机噪声，将所述类别标签和所述随机噪声输入所述第三目标条件生成式对抗网络模型，生成与所述类别标签对应的符合预设主题类型的图像素材。