图像生成方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种图像生成方法及装置、电子设备和存储介质。

背景技术

图像生成是计算机视觉和深度学习领域的重要问题，通过从大量的自然图像中进行学习，可以生成逼真的、符合自然逻辑的图片。图像生成技术具有很多的应用场景，比如图像合成、图像转换、图像的压缩与重构等。多种应用场景使图像生成技术的研究更加广泛的需求。

目前的图像生成技术生成的图像为单一，难以生成多样性的图像。

发明内容

本公开提出了一种图像生成技术方案。

根据本公开的一方面，提供了一种图像生成方法，包括：

获取第一预设条件以及第一查询向量；将所述第一预设条件和所述第一查询向量输入目标网络中，得到目标图像，所述目标图像满足所述第一预设条件，其中，所述目标网络是基于第二预设条件和随机信息对生成网络进行训练得到的，所述随机信息包括第二查询向量、所述第二查询向量的正向量和所述第二查询向量的负向量。本公开实施例提供的图像生成方法，可以在第二查询向量、第二查询向量的正向量和第二查询向量的负向量的作用下，使生成网络可以在正向量对应的输出和负向量对应输出之间的比对下，实现无监督训练，即可以将比对学习应用到生成网络的训练中，从而由生成网络训练后得到的目标网络可以生成更多样性的图像。

在一个或多个可能的实现方式中，获取所述第一查询向量，包括：对服从预设分布的噪声数据进行采样，形成所述第一查询向量。从而通过对服从预设分布的噪声数据进行采样，可以快速得到第一查询向量。

在一个或多个可能的实现方式中，在所述获取第一预设条件以及第一查询向量之前，所述方法还包括：获取所述第二预设条件和所述随机信息；将所述第二预设条件和所述随机信息输入所述生成网络，得到多个生成图像，所述多个生成图像满足所述第二预设条件；基于所述多个生成图像对所述生成网络进行训练，得到所述目标网络。

通过将第二预设条件和随机信息输入生成网络后得到的多个生成图像，可以实现生成网络的训练，从而在生成网络的训练过程中，可以考虑随机信息包括的不同向量引起的生成图像之间差异，即可以将比对学习应用到生成网络的训练中，对比学习作为无监督表征学习，具有很强的高阶语义特征表征学习能力，可提高生成网络的训练效果，使得到的目标网络可以生成逼真、多样的图像

在一个或多个可能的实现方式中，所述多个生成图像包括与所述第二查询向量对应的第一图像；所述基于所述多个生成图像确定对所述生成网络进行训练，得到所述目标网络，包括：将所述第一图像和所述第二预设条件输入判别网络，得到第一判别结果，其中，所述第一判别结果用于表示所述第一图像的真实程度；基于所述第一判别结果确定所述生成网络的对抗损失；基于所述多个生成图像的图像特征确定所述生成网络的比对损失；根据所述对抗损失和所述比对损失对所述生成网络的网络参数进行调整，得到所述目标网络。通过将对抗损失和比对损失相结合，可以得到更加准确的网络损失，可以进一步提高生成网络的训练效果。

在一个或多个可能的实现方式中，所述多个生成图像还包括与所述第二查询向量的正向量对应的第二图像，以及与所述第二查询向量的负向量对应的第三图像；所述基于所述多个生成图像的图像特征确定所述生成网络的比对损失，包括：确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果；确定所述第三图像的图像特征与所述第一图像的图像特征之间的第二比对结果；根据所述第一比对结果和所述第二比对结果确定所述生成网络的对比损失，其中，所述第一比对结果与所述对比损失正相关，所述第二比对结果与所述对比损失负相关。

这里，第一比对结果与比对损失正相关，第二比对结果与比对损失负相关，从而在生成网络的训练过程中，正向量对应的生成图像的图像特征与第二查询向量对应的生成图像的图像特征可以越来越接近，负向量对应的生成图像的图像特征与第二查询向量对应的生成图像的图像特征可以越来越远离，从而不断使生成网络输出的生成图像满足图像生成任务的需求，使得到的目标网络可以生成逼真的、多样性的目标图像。

在一个或多个可能的实现方式中，所述确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果，包括：确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一相似度；根据所述第一相似度确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果。这里，不同图像的图像特征之间的相似度可以衡量不同图像之间的相关程度，从而可以利用第二图像的图像特征与第一图像的图像特征的第一相似度，准确快速地确定第一比对结果。

在一个或多个可能的实现方式中，所述多个生成图像包括多个所述第三图像；所述根据所述第一比对结果和所述第二比对结果确定所述生成网络的比对损失，包括：根据所述第一比对结果以及多个所述第二比对结果，确定所述生成网络的比对损失，其中，每个所述第三图像与所述第一图像对应一个第二比对结果。这里，在确定生成网络的比对损失时，可以将第二图像的图像特征和第三图像的图像特征分别与第一图像的图像特征进行比对，根据比对结果确定生成网络的比对损失，这种方式可以认为是将比对学习应用在生成网络的训练中，可以实现生成图像的多样性。

在一个或多个可能的实现方式中，获取所述随机信息，包括：对服从预设分布的噪声数据进行采样，形成所述随机信息包括的所述第二查询向量；基于所述第二查询向量确定所述第二查询向量的正向量和所述第二查询向量的负向量，其中，所述第二查询向量与所述正向量的相关程度大于所述第二查询向量与所述负向量的相关程度。通过第二查询向量可以确定第二查询向量的正向量和负向量，从而可以为生成网络的训练提供数据基础。

在一个或多个可能的实现方式中，所述基于所述第二查询向量确定所述第二查询向量的正向量和所述第二查询向量的负向量，包括：根据所述第二查询向量以及预设的正向量参数，确定所述第二查询向量的正向量；根据所述第二查询向量以及预设的负向量参数，确定所述第二查询向量的负向量，其中，所述预设的正向量参数小于或等于预设阈值，所述预设的负向量参数大于所述预设阈值。通过预设的正向量参数和负向量参数，可以得到多样的正向量和负向量，从而为生成网络的训练提供数据基础。

在一个或多个可能的实现方式中，所述第一预设条件具有以下至少一种表示方式：条件标识；文本；图像。这样，第一预设条件可以通过多种表示方式表示，从而可以根据实际需求对第一预设条件进行灵活设置，提高目标网络的适用范围。

根据本公开的一方面，提供了一种图像生成装置，包括：

获取模块，用于获取第一预设条件以及第一查询向量；

生成模块，用于将所述第一预设条件和所述第一查询向量输入目标网络中，得到目标图像，所述目标图像满足所述第一预设条件，

其中，所述目标网络是基于第二预设条件和随机信息对生成网络进行训练得到的，所述随机信息包括第二查询向量、所述第二查询向量的正向量和所述第二查询向量的负向量。

在一个或多个可能的实现方式中，所述获取模块，用于对服从预设分布的噪声数据进行采样，形成所述第一查询向量。

在一个或多个可能的实现方式中，所述装置还包括：训练模块，用于获取所述第二预设条件和所述随机信息；将所述第二预设条件和所述随机信息输入所述生成网络，得到多个生成图像，所述多个生成图像满足所述第二预设条件；基于所述多个生成图像对所述生成网络进行训练，得到所述目标网络。

在一个或多个可能的实现方式中，所述多个生成图像包括与所述第二查询向量对应的第一图像；所述训练模块，用于将所述第一图像和所述第二预设条件输入判别网络，得到第一判别结果，其中，所述第一判别结果用于表示所述第一图像的真实程度；基于所述第一判别结果确定所述生成网络的对抗损失；基于所述多个生成图像的图像特征确定所述生成网络的比对损失；根据所述对抗损失和所述比对损失对所述生成网络的网络参数进行调整，得到所述目标网络。

在一个或多个可能的实现方式中，所述多个生成图像还包括与所述第二查询向量的正向量对应的第二图像，以及与所述第二查询向量的负向量对应的第三图像；所述训练模块，用于确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果；确定所述第三图像的图像特征与所述第一图像的图像特征之间的第二比对结果；根据所述第一比对结果和所述第二比对结果确定所述生成网络的对比损失，其中，所述第一比对结果与所述对比损失正相关，所述第二比对结果与所述对比损失负相关。

在一个或多个可能的实现方式中，所述训练模块，用于确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一相似度；根据所述第一相似度确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果。

在一个或多个可能的实现方式中，所述多个生成图像包括多个所述第三图像；所述训练模块，用于根据所述第一比对结果以及多个所述第二比对结果，确定所述生成网络的比对损失，其中，每个所述第三图像与所述第一图像对应一个第二比对结果。

在一个或多个可能的实现方式中，所述训练模块，用于对服从预设分布的噪声数据进行采样，形成所述随机信息包括的所述第二查询向量；基于所述第二查询向量确定所述第二查询向量的正向量和所述第二查询向量的负向量，其中，所述第二查询向量与所述正向量的相关程度大于所述第二查询向量与所述负向量的相关程度。

在一个或多个可能的实现方式中，所述训练模块，用于根据所述第二查询向量以及预设的正向量参数，确定所述第二查询向量的正向量；根据所述第二查询向量以及预设的负向量参数，确定所述第二查询向量的负向量，其中，所述预设的正向量参数小于或等于预设阈值，所述预设的负向量参数大于所述预设阈值。

在一个或多个可能的实现方式中，所述第一预设条件具有以下至少一种表示方式：条件标识；文本；图像。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像生成方法的流程图。

图2示出根据本公开实施例的确定生成网络比对损失过程的示意图。

图3示出根据本公开实施例的图像生成装置的框图。

图4示出根据本公开实施例的一种电子设备示例的框图。

图5示出根据本公开实施例的一种电子设备示例的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供的图像生成方案，可以应用于图像处理、图像修复、图像变换等场景中。例如，用户可以通过使用有本公开提供的图像生成功能的图像处理软件或智能修复软件中，实现多种多样的变脸、化妆、魔术效果，从而实现图像的多样性，为用户提供丰富的图像生成体验。

本公开实施例提供的图像生成方法可以由终端设备、服务器或其它类型的电子设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。

图1示出根据本公开实施例的图像生成方法的流程图，如图1所示，所述图像生成方法包括：

步骤S11，获取第一预设条件以及第一查询向量。

在本公开实施例中，第一预设条件可以用于限制目标网络生成的目标图像，例如，第一预设条件可以限制生成的目标图像的颜色、纹理、类别等。第一预设条件可以是基于用户输入生成的，举例来说，用户可以将实际需求通过用户输入指示电子设备，电子设备可以获取用户输入，根据用户输入确定第一预设条件。第一预设条件可以通过多种表示方式表示，第一预设条件可以具有条件标识、文本、图像中的一种或多种信息类别的表示方式，从而可以根据实际需求对第一预设条件进行灵活设置，提高目标网络的适用范围。

一示例中，用户想要得到猫咪的图像，用户可以将这一需求通过用户输入指示电子设备，例如，可以通过猫咪的语音、文字或图像等方式的用户输入指示电子设备，电子设备可以根据用户输入获取表示猫咪的条件标识、文本、图像的第一预设条件，第一预设条件可以指示目标网络生成猫咪的图像。

在本公开实施例中，第一查询向量可以是随机数据形成的向量。例如，可以获取预设数量的随机数据，将预设数量的随机数据排列形成第一查询向量，预设数量可以根据实际需求进行确定，例如，可以将预设数量设置为8，第一查询向量由8位数据组成，即，第一查询向量的长度为8位。第一查询向量可以在第一预设条件的限制外影响生成的目标图像，例如，影响目标图像的颜色、纹理、类别等。

在一些实现方式中，在获取第一查询向量时，可以对服从预设分布的噪声数据进行采样，形成第一查询向量。预设分布可以包括高斯分布、正态分布等随机分布，对服从预设分布的噪声数据进行采样，采样得到的噪声数据可以形成第一查询向量，第一查询向量中的各位数据也服从预设分布。通过对服从预设分布的噪声数据进行采样，可以快速得到第一查询向量。

步骤S12，将所述第一预设条件和所述第一查询向量输入目标网络中，得到目标图像，所述目标图像满足所述第一预设条件。

在本公开实施例中，可以将第一预设条件和第一查询向量作为目标网络的输入信息，输入目标网络中，得到满足第一预设条件的目标图像。目标图像可以是生成网络的输出信息。这里，目标网络可以是深度神经网络，例如，可以包括目标网络可以包括输入层、特征提取层、输出层等神经网络结构。

这里，目标网络可以是基于第二预设条件和随机信息对生成网络进行训练得到的。基于第二预设条件和随机信息对生成网络进行训练，可以得到目标网络。其中，随机信息包括第二查询向量、第二查询向量的正向量和第二查询向量的负向量。第二查询向量可以是随机数据形成的向量。第二查询向量的正向量可以是与第二查询向量相关程度较高的向量，例如，第二查询向量的正向量可以是与第二查询向量的相关程度大于第一预设值。第二查询向量的正向量与第二查询向量不同。第二查询向量的负向量可以是与第二查询向量相关程度较低的向量，例如，第二查询向量的正向量可以与第二查询向量的相关程度小于或等于第一预设值。第二查询向量的正向量与第二查询向量不同。正向量与第二查询向量的相关程度大于负向量与第二查询向量的相关程度。由于在对生成网络的训练过程中，引入了第二查询向量的正向量和负向量，从而可以在对生成网络的训练过程中，考虑正向量和负向量引起的差异，从而更好地研究输入的向量(第二查询向量、正向量和负向量)对生成网络的输出信息的影响，生成网络可以在正向量对应的输出和负向量对应输出之间的比对下，实现无监督训练。由生成网络得到的目标网络可以生成大量与给定条件(第一预设条件)具有强相关的、多样的(通过改变第一查询向量实现)真实目标图片。

需要说明的是，目标网络和生成网络可以具有相同的神经网络结构，目标网络和生成网络可以对应不同的神经网络训练状态，目标网络是已训练完成的神经网络，生成网络是未完成训练的神经网络。

上述目标网络可以是基于第二预设条件和随机信息对生成网络进行训练得到的，下面通过一个或多个实现方式对生成网络进行训练的过程进行说明。

在一些实现方式中，可以获取第二预设条件和随机信息，然后将第二预设条件和随机信息输入生成网络，得到多个生成图像，多个生成图像满足第二预设条件指示的第二预设条件。再基于多个生成图像对生成网络进行训练，可以得到目标网络。

这里，第二预设条件可以根据用户输入确定，一些实现方式中，也可以是随机生成的。第二预设条件可以用于限制生成网络得到的生成图像，例如，第二预设条件可以限制生成网络生成图像的颜色、纹理、类别等。首先，可以构建生成网络，例如，可以将生成网络结构建为生成对抗网络的生成器。然后可以将第二预设条件和随机信息输入生成网络，得到多个生成图像，其中，随机信息所包括的每个向量均可以对应一个生成图像，即，一个第二查询向量对应一个生成图像，第二查询向量的一个正向量对应一个生成图像，第二查询向量的一个负向量对应一个生成图像，这样，生成网络可以生成多个图像。进一步地，可以基于多个生成图像对生成网络进行训练，例如，可以根据多个生成图像计算生成网络的网络损失，如根据多个生成图像的像素值，计算多个生成图像在相同像素位置上的像素差异，根据多个生成图像在相同像素位置上的像素差异确定生成网络的网络损失。然后根据计算得到的网络损失对生成网络的网络参数进行调整，如此经过多轮训练，可以得到训练完成的目标网络。

通过将第二预设条件和随机信息输入生成网络后得到的多个生成图像，可以实现生成网络的训练，从而在生成网络的训练过程中，可以考虑随机信息包括的不同向量引起的生成图像之间差异，即可以将比对学习应用到生成网络的训练中，对比学习作为无监督表征学习，具有很强的高阶语义特征表征学习能力，可提高生成网络的训练效果，使得到的目标网络可以生成逼真、多样的图像。

在一些示例中，上述随机信息可以包括第二查询向量、第二查询向量的正向量和第二查询向量的负向量。在获取第二查询向量时，可以对服从预设分布的噪声数据进行采样，形成随机信息包括的第二查询向量。例如，可以对服从高斯分布的噪声数据进行采样，得到预设数量的随机数据，然后对预设数量的随机数据进行排列，可以形成随机信息包括的第二查询向量。这里，第二查询向量的长度可以与第一查询向量的长度相同。进一步地，可以基于第二查询向量确定第二查询向量的正向量和负向量，第二查询向量与正向量的相关程度大于第二查询向量与负向量的相关程度。

举例来说，可以以第二查询向量为圆心，以预设阈值为半径，确定一个高维球体。预设阈值可以是一个较小值，可以根据实际需求进行设置。然后在高维球体内部任意采集的一个向量可以作为第二查询向量的正向量，在高维球体外部任意采集的向量可以作为第二查询向量的负向量。这里，正向量和负向量的获取方式可以灵活设置，可根据实际需求而定，例如，还可以基于第二查询向量确定一个高维长方体或不规则形状，在高维长方体或不规则形状上采集向量得到正向量和负向量。一些示例中，可以采集多个负向量。

通过第二查询向量可以确定第二查询向量的正向量和负向量，从而可以为生成网络的训练提供数据基础。

在一些示例中，还可以根据第二查询向量以及预设的正向量参数，确定第二查询向量的正向量，例如，可以在第二查询向量的每一位数字上增加预设的正向量参数，得到第二查询向量的正向量，每一位数字对应的正向量参数可以不同。正向量参数小于或等于预设阈值，从而正向量与第二查询向量的相关程度较高。相应地，可以根据第二查询向量以及预设的负向量参数，确定第二查询向量的负向量，例如，可以在第二查询向量的每一位数字上增加预设的负向量参数，得到第二查询向量的负向量，每一位数字对应的负向量参数也可以不同，不同负向量对应的负向量参数也可以不同。负向量参数可以大于预设阈值，从而负向量与第二查询向量的相关程度较低，正向量与第二查询向量的相关程度大于负向量与第二查询向量的相关程度。通过预设的正向量参数和负向量参数，可以得到多样的正向量和负向量，从而为生成网络的训练提供数据基础。

在一些示例中，上述生成网络可以在对抗生成网络的基础上，引入比对学习，使生成网络可以输出多样性的图像，基于此，生成网络的网络损失可以包括对抗损失和比对损失。生成网络输出的多个生成图像中可以包括与第二查询向量对应的第一图像，即，第一图像可以是基于第二查询向量和第二预设条件得到的生成图像。

相应地，在基于所述多个生成图像确定对所述生成网络进行训练得到目标网络时，可以将第一图像和第二预设条件输入判别网络，得到第一判别结果，基于第一判别结果可以确定生成网络的对抗损失，基于多个生成图像的图像特征确定生成网络的比对损失。然后可以根据对抗损失和比对损失对生成网络的网络参数进行调整，得到目标网络。

这里，判别网络可以对第一图像的真实程度进行判别，第一判别结果可以用于表示第一图像的真实程度。通常而言，一个图像是由图像采集设备针对真实场景采集而得到的情况下，可以认为该图像是真实的；一个图像是由模拟或仿真等方式生成的情况下，可以认为该图像是非真实的。判别网络可以针对图像的真实程度进行判别，真实程度越高，表示该图像越真实，真实程度越低，表示该图像越不真实。判别网络可以是已经完成训练的神经网络，一些实现方式中，判别网络可以与生成网络一同进行训练。通过将将第一图像和第二预设条件输入判别网络，可以利用判别网络对第一图像的真实程度进行判别的同时，还可以对第一图像是否满足第二预设条件进行判别，相应地，判别网络输出的第一判别结果还可以用于表示第一图像与第二预设条件的匹配程度。基于此，可以根据第一判别结果可以确定生成网络的对抗损失，第一判别结果可以与对抗损失负相关，即，第一判别结果越大，对抗损失越小。

在基于多个生成图像的图像特征确定生成网络的比对损失时，例如，可以获取多个生成图像的多个图像特征，如对多个生成图像进行特征提取，得到多个图像特征，一个生成图像可以对应的对一个图像特征。然后根据多个图像特征计算生成网络的比对损失。

进一步可以根据计算得到的对抗损失和比对损失，对生成网络的网络参数进行调整，如可以将对抗损失和比对损失进行加权求和，得到生成网络的网络损失，再根据生成网络的网络损失对生成网络的权重、学习率等网络参数进行调整，训练完成后可以得到目标网络。通过将对抗损失和比对损失相结合，可以得到更加准确的网络损失，可以进一步提高生成网络的训练效果。

这里，获取多个生成图像的多个图像特征可以通过以下任意一种方式获取：第一种，可以构建一个特征提取网络，例如，卷积网络、残差网络等，可以作为特征提取网络。然后可以将生成网络得到多个生成图像输入至特征提取网络中，得到每个生成图像的图像特征。第二种，可以在生成网络的特征提取层获取多个生成图像的图像特征，即可以对生成网络的特征提取层进行复用，减少网络架构。

可以理解的是，获取多个图像特征的方式可以灵活设计，只需满足可以从生成图像中提取高阶语义特征的能力即可。其中，上述图像特征可以是高阶语义特征，高阶语义特征可以是可以体现图像内容的含义的特征。

在一些示例中，上述多个生成图像还包括与第二查询向量的正向量对应的第二图像以及与第二查询向量的负向量对应的第三图像。在基于多个生成图像的图像特征确定生成网络的比对损失的情况下，可以确定第二图像的图像特征与第一图像的图像特征之间的第一比对结果，以及，确定第三图像的图像特征与第一图像的图像特征之间的第二比对结果，即，可以将第二图像的图像特征和第三图像的图像特征分别与第一图像的图像特征进行比对，例如，计算不同图像特征之间的相关性，可以得到第一比对结果和第二比对结果。然后进一步根据第一比对结果和第二比对结果确定生成网络的比对损失，例如，可以将第一比对结果和第二比对结果比值作为生成网络的比对损失，或者，可以对第一比对结果和第二比对结果求和，然后将第一比对结果与求和结果的比值作为生成网络的比对损失。这里，第一比对结果与比对损失正相关，第二比对结果与比对损失负相关，从而在生成网络的训练过程中，正向量对应的生成图像的图像特征与第二查询向量对应的生成图像的图像特征可以越来越接近，负向量对应的生成图像的图像特征与第二查询向量对应的生成图像的图像特征可以越来越远离，从而不断使生成网络输出的生成图像满足图像生成任务的需求，使得到的目标网络可以生成逼真的、多样性的目标图像。

在一些示例中，在确定第二图像的图像特征与第一图像的图像特征之间的第一比对结果时，可以确定第二图像的图像特征与第一图像的图像特征之间的第一相似度，例如，可以计算第二图像的图像特征与第一图像的图像特征的欧式距离或余弦距离，得到第一相似度。然后根据第一相似度确定第二图像的图像特征与第一图像的图像特征之间的第一比对结果，例如，可以将第一相似度作为第一比对结果，或者，可以将第一相似度乘以一定的系数，得到第一比对结果。

在一些示例中，在确定第三图像的图像特征与第一图像的图像特征之间的第二比对结果时，可以确定第三图像的图像特征与第一图像的图像特征之间的第二相似度，例如，可以计算第三图像的图像特征与第一图像的图像特征的欧式距离或余弦距离，得到第二相似度。然后根据第二相似度确定第三图像的图像特征与第一图像的图像特征之间的第二比对结果，例如，可以将第二相似度作为第二比对结果，或者，可以将第二相似度乘以一定的系数，得到第二比对结果。第二相似度对应的系数可以与第一相似度对应的系数不同。

这里，不同图像的图像特征之间的相似度可以衡量不同图像之间的相关程度，从而可以利用不同图像的图像特征之间的相似度，准确快速地确定第一比对结果和第二比对结果。

一些示例中，上述多个生成图像包括多个第三图像，即，上述随机信息中可以包括第二查询向量的多个负向量，多个生成图像中可以包括多个负向量对应的多个生成图像。在确定生成网络的比对损失时，可以计算多个第三图像分别与第一图像之间的第二比对二结果，每个第三图像可以对应一个第二比对结果。然后根据第一比对结果以及多个第二比对结果，确定生成网络的比对损失，例如，可以对多个第二比对结果进行求和，得到总第二比对结果，然后将第一比对结果与总第二比对结果的比值作为比对损失，或者，对第一比对结果与总第二比对结果进行加权求和，得到加权求和结果，然后将第一比对结果与加权求和结果作为比对损失。通过多个第三图像分别与第一图像之间的第二比对结果，确定生成网络的比对损失，可以提高生成网络的训练效果，提高生成网络的精度。

这里，在确定生成网络的比对损失时，可以将第二图像的图像特征和第三图像的图像特征分别与第一图像的图像特征进行比对，根据比对结果确定生成网络的比对损失，这种方式可以认为是将比对学习应用在生成网络的训练中，可以实现生成图像的多样性。

在一个示例中，计算生成网络的比对损失可以如公式(1)所示：

其中，

在一些实现方式中，在生成网络作为生成对抗网络的一部分一同进行训练的情况下，由公式(1)计算的比对损失可以与下述公式(2)的对抗损失相结合，得到生成网络的网络损失。本公开提供的生成网络的训练方式，可以嵌入在具有生成网络的一些神经网络中，如，生成对抗网络、条件生成对抗网络等神经网络，实现网络的灵活配置。

一示例中，在计算对抗损失时，还可以在样本集中获取样本图像，样本图像是真实图像。然后可以将样本图像和第二预设条件输入判别网络中，得到样本图像的第二判别结果。根据上述第一判别结果和第二判别结果可以得到对抗损失。对抗损失的计算公式如公式(2)所示：

其中，

下面通过一个示例对本公开提供的确定生成网络的比对损失的过程进行说明。图2示出根据本公开实施例的确定生成网络比对损失过程的示意图。将第二预设条件y和随机信息输入生成网络G中，得到多个生成图像

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了图像生成装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像生成方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图3示出根据本公开实施例的图像生成装置的框图，如图3所示，所述装置包括：

获取模块31，用于获取第一预设条件以及第一查询向量；

生成模块32，用于将所述第一预设条件和所述第一查询向量输入目标网络中，得到目标图像，所述目标图像满足所述第一预设条件，

其中，所述目标网络是基于第二预设条件和随机信息对生成网络进行训练得到的，所述随机信息包括第二查询向量、所述第二查询向量的正向量和所述第二查询向量的负向量。

在一个或多个可能的实现方式中，所述获取模块31，用于对服从预设分布的噪声数据进行采样，形成所述第一查询向量。

在一个或多个可能的实现方式中，所述装置还包括：训练模块，用于获取所述第二预设条件和所述随机信息；将所述第二预设条件和所述随机信息输入所述生成网络，得到多个生成图像，所述多个生成图像满足所述第二预设条件；基于所述多个生成图像对所述生成网络进行训练，得到所述目标网络。

在一个或多个可能的实现方式中，所述多个生成图像包括与所述第二查询向量对应的第一图像；所述训练模块，用于将所述第一图像和所述第二预设条件输入判别网络，得到第一判别结果，其中，所述第一判别结果用于表示所述第一图像的真实程度；基于所述第一判别结果确定所述生成网络的对抗损失；基于所述多个生成图像的图像特征确定所述生成网络的比对损失；根据所述对抗损失和所述比对损失对所述生成网络的网络参数进行调整，得到所述目标网络。

在一个或多个可能的实现方式中，所述多个生成图像还包括与所述第二查询向量的正向量对应的第二图像，以及与所述第二查询向量的负向量对应的第三图像；所述训练模块，用于确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果；确定所述第三图像的图像特征与所述第一图像的图像特征之间的第二比对结果；根据所述第一比对结果和所述第二比对结果确定所述生成网络的对比损失，其中，所述第一比对结果与所述对比损失正相关，所述第二比对结果与所述对比损失负相关。

在一个或多个可能的实现方式中，所述训练模块，用于确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一相似度；根据所述第一相似度确定所述第二图像的图像特征与所述第一图像的图像特征之间的第一比对结果。

在一个或多个可能的实现方式中，所述多个生成图像包括多个所述第三图像；所述训练模块，用于根据所述第一比对结果以及多个所述第二比对结果，确定所述生成网络的比对损失，其中，每个所述第三图像与所述第一图像对应一个第二比对结果。

在一个或多个可能的实现方式中，所述训练模块，用于对服从预设分布的噪声数据进行采样，形成所述随机信息包括的所述第二查询向量；基于所述第二查询向量确定所述第二查询向量的正向量和所述第二查询向量的负向量，其中，所述第二查询向量与所述正向量的相关程度大于所述第二查询向量与所述负向量的相关程度。

在一个或多个可能的实现方式中，所述训练模块，用于根据所述第二查询向量以及预设的正向量参数，确定所述第二查询向量的正向量；根据所述第二查询向量以及预设的负向量参数，确定所述第二查询向量的负向量，其中，所述预设的正向量参数小于或等于预设阈值，所述预设的负向量参数大于所述预设阈值。

在一个或多个可能的实现方式中，所述第一预设条件具有以下至少一种表示方式：条件标识；文本；图像。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

需要说明的是，本公开实施例提供的装置所包括的各个功能模块可以是电子设备中的实体硬件，例如，获取模块31可以是同一个输入接口，生成模块32可以是处理器。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的图像生成方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的图像生成方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图4示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图5示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows Server

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。