[发明专利]图像生成模型训练、图像生成方法、装置及存储介质

权利要求书

1.一种图像生成模型的训练方法，其特征在于，包括：

获取至少两个样本图像集，每个所述样本图像集具有不同的图像风格；

获取待训练的图像生成模型以及每种所述图像风格对应的判别器，所述图像生成模型包括图像生成网络和每种所述图像风格对应的风格向量；所述风格向量用于触发所述图像生成网络生成具备对应的图像风格的风格化图像；

将每个样本图像集中的样本图像以及各个所述风格向量输入所述图像生成网络，得到每个所述风格向量对应的风格化图像；

将各个所述风格化图像输入对应的判别器，得到所述判别器产生的第一判别器损失和第二判别器损失；所述第一判别器损失表征所述判别器的判别精度损失，所述第二判别器损失表征所述图像生成网络相对于所述判别器的图像生成精度损失；

根据所述样本图像、各个所述风格化图像以及各个所述判别器对应的所述第二判别器损失，得到所述图像生成网络产生的图像生成损失；

根据所述第一判别器损失训练对应的判别器，以及根据所述图像生成损失训练所述图像生成网络和各个所述风格向量；

将训练好的所述图像生成网络和训练好的各个所述风格向量确定为所述图像生成模型。

2.根据权利要求1所述的图像生成模型的训练方法，其特征在于，所述将各个所述风格化图像输入对应的判别器，得到所述判别器产生的第一判别器损失和第二判别器损失，所述第一判别器损失表征所述判别器的判别精度损失，所述第二判别器损失表征所述图像生成网络相对于所述判别器的图像生成精度损失，包括：

将每个所述风格化图像输入对应的判别器，得到所述判别器产生的判别结果；所述判别器对应于所述风格化图像对应的风格向量；

根据所述判别结果与所述风格化图像的真实值之间的差值，计算得到所述第一判别器损失。

3.根据权利要求2所述的图像生成模型的训练方法，其特征在于，所述将各个所述风格化图像输入对应的判别器，得到所述判别器产生的第一判别器损失和第二判别器损失，所述第一判别器损失表征所述判别器的判别精度损失，所述第二判别器损失表征所述图像生成网络相对于所述判别器的图像生成精度损失，还包括：

根据所述判别结果与所述风格化图像的期待值之间的差值，计算得到所述第二判别器损失。

4.根据权利要求3所述的图像生成模型的训练方法，其特征在于，所述根据所述样本图像、各个所述风格化图像以及各个所述判别器对应的所述第二判别器损失，得到所述图像生成网络产生的图像生成损失，包括：

根据任意两个风格化图像的高频分量，计算得到高频损失；所述任意两个风格化图像均基于同一个样本图像生成；

在所述各个风格化图像中确定目标风格化图像，所述目标风格化图像由所述图像生成网络根据所述样本图像的图像风格对应的风格向量和所述样本图像生成；

根据所述目标风格化图像和所述样本图像之间的像素差异，计算得到一致性损失；

根据所述高频损失、一致性损失和各个所述判别器对应的所述第二判别器损失，得到所述图像生成损失。

5.一种图像生成方法，其特征在于，所述方法包括：

获取原始图像和目标风格，所述目标风格表示待生成的目标图像对应的风格；

根据所述目标风格，在图像生成模型中确定对应的目标风格向量；

将所述原始图像和所述目标风格向量输入所述图像生成模型中的图像生成网络，得到具备所述目标风格的目标图像；

其中，所述图像生成模型根据权利要求1-4中任意一项所述的图像生成模型的训练方法训练得到。