[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

说明书

本公开关于图像生成模型的训练方法、图像生成方法及装置，该图像生成模型的训练方法包括获取至少两个样本图像集；获取图像生成模型以及每种该图像风格对应的判别器，该模型包括图像生成网络和每种图像风格对应的风格向量；将样本图像和各个风格向量输入图像生成网络，得到每个风格向量对应的风格化图像；将各个风格化图像输入对应的判别器，得到第一判别器损失和第二判别器损失；根据样本图像、风格化图像以及第二判别器损失，得到图像生成损失；根据第一判别器损失训练对应的判别器，根据图像生成损失训练图像生成网络和各个风格向量。本公开可以基于单一网络完成多种图像风格转换，并且占用计算资源和存储资源更少，细节保持能力更强。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及图像生成模型训练、图像生成方法、装置及存储介质。

背景技术

相关技术中，可以通过神经网络对输入图像进行拟合，从而得到风格变化后的目标图像。比如，可以采用单一编码器提取输入图像的特征，然后将提取到的特征输入解码器，得到风格变化后的目标图像。但是，一个解码器通常只能够生成一种风格的图像。再比如，可以采用神经网络进行图片风格转换，但是一种转换方式需要一个对应的神经网络。因此，若需要得到多种风格的图像，需要多个解码器或者多个神经网络，显然需要消耗较多的硬件资源。

发明内容

本公开提供图像生成模型训练、图像生成方法、装置及存储介质，以至少解决相关技术中若希望得到多种风格的图像，则需要多个解码器或者多个神经网络的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像生成模型的训练方法，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。

在一示例性的实施方式中，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。

在一示例性的实施方式中，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。