模型的训练方法、风格迁移方法、装置、设备及存储介质
文献发布时间:2023-06-19 10:57:17
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术领域。
背景技术
风格迁移是一种将一张图像作为风格图像,将另一张图像作为内容图像,将风格图像的色彩、纹理等风格特征迁移到内容图像上,使得内容图像的视觉风格与风格图像相似。目前,风格迁移基本集中在艺术类风格图像的风格特征迁移,使得结果图像更偏向艺术化,无法对内容图像的内容或结构等内容特征进行较好保留。
发明内容
本公开提供了一种模型的训练方法、风格迁移方法、装置、设备及存储介质。
根据本公开的第一方面,提供了一种模型的训练方法,包括:
将样本内容图像以及样本风格图像输入预设模型,得到预设模型输出的语义分割图像以及样本风格化图像;其中,样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征;
基于样本风格化图像以及语义分割图像,确定总损失函数;
基于总损失函数进行反向传导更新预设模型,得到目标模型。
根据本公开的第二方面,提供了一种风格迁移方法,包括:
获取待处理内容图像和待处理风格图像;
将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像;
其中,目标模型采用本公开任一实施例中的训练方法训练得到。
根据本公开的第三方面,提供了一种模型的训练装置,包括:
第一输入模块,用于将样本内容图像以及样本风格图像输入预设模型,得到预设模型输出的语义分割图像以及样本风格化图像;其中,样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征;
第一确定模块,用于基于样本风格化图像以及语义分割图像,确定总损失函数;
更新模块,用于基于总损失函数进行反向传导更新预设模型,得到目标模型。
根据本公开的第四方面,提供了一种风格迁移装置,包括:
第二获取模块,用于获取待处理内容图像和待处理风格图像;
第三输入模块,用于将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像;
其中,目标模型采用本公开任一实施例中的训练方法训练得到。
根据本公开的第五方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的第七方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开的实施例,可以更完整地保留内容图像的内容特征,使得内容特征明确。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的模型的训练方法的流程示意图;
图2是根据本公开实施例的样本内容图像及其语义标签的示意图;
图3是步骤S102一种流程示意图;
图4是根据本公开实施例的一个应用示例的示意图;
图5是根据本公开实施例的一种目标模型的示意图;
图6示根据本公开实施例的一种风格迁移方法的流程示意图;
图7是根据本公开实施例的方法所获得的某个场景中时刻1至时刻6对应的6张风格化图像;
图8是根据本公开实施例的模型的训练装置的示意图;
图9是根据本公开实施例的风格迁移装置的示意图;
图10是用来实现本公开实施例的模型的训练方法及风格迁移方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例的模型的训练方法的流程示意图。如图1所示,该方法可以包括:
S101、将样本内容图像以及样本风格图像输入预设模型,得到预设模型输出的语义分割图像以及样本风格化图像;其中,样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征;
S102、基于样本风格化图像以及语义分割图像,确定总损失函数;
S103、基于总损失函数进行反向传导更新预设模型,得到目标模型。
在一种实施方式中,基于总损失函数进行反向传导更新预设模型可以是采用反向传输算法,利用总损失函数修改预设模型中的相关参数。通过多次反复修改,使得最终得到的目标模型能够更为完整的保留待处理内容图像的内容特征,其中,最终得到的目标模型即为风格迁移模型。
在另一种实施方式中,样本内容图像和样本风格图像可以包括多组,通过依次将多组样本内容图像和样本风格图像输入预设模型,可以对预设模型进行多次反复修改,最终训练出能够更为完整的保留待处理内容图像的内容特征的目标模型。
在一种可能的实施方式中,在将样本内容图像以及样本风格图像输入预设模型之前,可以进一步包括:
对样本内容图像进行语义分割,得到样本内容图像的语义标签。
举例而言,可以将样本内容图像输入Deeplab-V3模型,得到Deeplab-V3模型输出的语义标签。其中,样本内容图像的语义标签可以包含两个或两个以上的语义类别,例如,图2示出样本内容图像A及其对应的语义标签A、样本内容图像B及其对应的语义标签B的示意图,其中,样本内容图像的语义标签包括风格类别和内容类别两个类别,风格类别的标签设置为1,内容类别的标签设置为0。举例来说,风格类别可以是语义标签中白色区域所表示出的天空,内容类别可以是语义标签中黑色区域所表示出的山体。
基于此,采用样本内容图像及其语义标签作为弱监督学习的标签,以便基于样本内容图像的语义标签和预设模型输出的语义分割图像,确定总损失函数中的分割损失函数,进而利用分割损失函数训练预设模型。
根据本公开实施例的训练方法,通过在训练过程中基于样本风格化图像以及语义分割图像确定总损失函数,并利用总损失函数进行反向传导更新预设模型,可以使训练得到的目标模型在风格迁移的过程中能够从待处理内容图像中更好地区分出属于内容特征的语义类别,提高从待处理内容图像中分割出内容特征的精度,这样目标模型输出的风格化图像能够更为完整地保留内容图像的内容特征,使得内容特征明确。
在一种实施方式中,如图3所示,基于样本风格化图像以及语义分割图像,确定总损失函数,可以包括:
S301、基于样本风格化图像与样本内容图像之间的差异确定内容损失函数,基于样本风格化图像与样本风格图像之间的差异,确定风格损失函数;基于语义分割图像与样本内容图像的语义标签,确定分割损失函数;
S302、基于内容损失函数、风格损失函数和分割损失函数,确定总损失函数。
在一个示例中,可以采用如下公式(1)确定内容损失函数:
其中,Loss_c为内容损失函数,X**为样本风格化图像,
在另一个示例中,可以采用如下公式(2)确定风格损失函数:
其中,Loss_s为风格损失函数,
进一步地,基于内容损失函数、风格损失函数和分割损失函数,确定总损失函数,可以是针对内容损失函数、风格损失函数和分割损失函数进行加权处理,得到总损失函数。举例而言,可以采用如下公式(3)确定总损失函数:
Loss_
其中,Loss_
在本实施方式中,内容损失函数为样本风格化图像的内容特征与样本内容图像的均方误差,风格损失函数为样本风格化图像的风格特征与样本风格图像的均方误差,通过对内容损失函数、风格损失函数和分割损失函数进行加权处理,得到总损失函数,再利用总损失函数对预设模型进行多次迭代更新,可以进一步使训练出的目标模型输出的风格化图像中内容特征与内容图像的内容和结构等内容特征接近,并且风格化图像中风格特征与风格图像的纹理、色彩等风格特征相似,有利于提高风格迁移的真实感。
在一种可选的实施方式中,基于语义分割图像与样本内容图像的语义标签确定分割损失函数,包括以下至少之一:
基于第一语义分割图像与样本内容图像的语义标签,确定第一分割损失函数;其中,第一语义分割图像与样本风格图像的风格特征和样本内容图像的内容特征相关;
基于第二语义分割图像与样本内容图像的语义标签,确定第二分割损失函数;其中,第二语义分割图像为样本内容图像的语义分割图像。
在一个示例中,确定第一语义分割图像可以包括:从样本风格图像的风格特征和样本内容图像的内容特征中确定样本内容图像的内容特征;基于样本内容图像的内容特征,合成第一语义分割图像。
相似的,确定第二语义分割图像可以包括:从样本内容图像的风格特征和样本内容图像的内容特征中确定样本内容图像的内容特征;基于样本内容图像的内容特征,合成第二语义分割图像。
其中,第一分割损失函数可以表示风格迁移过程中第一语义分割图像与样本内容图像的语义标签的语义分割差异;第二分割损失函数可以表示特征重建过程中第二语义分割图像与样本内容图像的语义标签的语义分割差异。
基于此,采用第一语义分割损失函数对预测模型进行更新,有利于提升风格迁移过程中对待处理内容图像的内容特征的分割精度。采用第二语义分割损失函数对预设模型进行更新,有利于提升特征重建过程中对待处理内容图像的内容特征的分割精度。如此,最终训练得到的目标模型所输出的风格化图像能够更为完整的保留待处理内容图像的内容特征。
在一种可能的实施方式中,基于第一语义分割图像与样本内容图像的语义标签,确定第一分割损失函数,可以包括:基于第一语义分割图像的像素点对应的预测概率以及样本内容图像的语义标签,确定第一子分割损失函数;基于第一语义分割图像的分割边界与样本内容的分割边界,确定第二子分割损失函数;基于第一子分割损失函数和第二子分割损失函数,确定第一分割损失函数。
在一个示例中,第一子分割损失函数可以采用如下公式(4)确定:
其中,Loss_focal1为第一子分割损失函数;W为第一语义分割图像的图像宽度,H为第一语义分割图像的图像高度;p
进一步地,公式(4)中的p
其中,Mask_X1为第一语义分割图像,Mask_X1
基于此,采用反向传输算法对预设模型更新时,可以利用第一子分割损失函数的迭代更新预设模型,增加预设模型对样本内容图像的内容特征的关注度,使得最终训练得到的目标模型在风格迁移过程中能从样本风格图像的风格特征以及样本内容图像的内容特征中准确分割出样本内容图像的内容特征。这样分割出的内容特征更加接近待处理内容图像的内容特征,以便保留待处理内容图像的内容特征。
在另一个示例中,第二子分割损失函数可以采用如下公式(6)确定:
其中,Loss_boun1为第二子分割损失函数,p表示内容样本图像的语义标签上位于分割边界的第一像素点,
进一步,基于第一子分割损失函数和第二子分割损失函数,确定第一分割损失函数,可以是对第一子分割损失函数和第二子分割损失函数进行加权处理,得到第一分割损失函数。
具体地,第一分割损失函数可以采用如下公式(7)确定:
Loss_seg=a
其中,a
在本实施公式中,通过采用第一子分割损失函数对预测模型进行更新,使得训练得到的目标模型输出的样本化图像与待处理内容图像之间内容特征的边界差异尽可能小,以具备良好的保边效果,避免风格迁移过程中发生整块色块粘连,导致边界不清晰。
在一种可能的实施方式中,基于第二语义分割图像与样本内容图像的语义标签,确定第二分割损失函数可以包括:基于第二语义分割图像的像素点对应的预测概率以及样本内容图像的语义标签,确定第三子分割损失函数;基于第二语义分割图像的分割边界与样本内容的分割边界,确定第四子分割损失函数;基于第三子分割损失函数和第四子分割损失函数,确定第二分割损失函数。
其中,第三子分割损失函数Loss_focal2的确定公式可以参考上述公式(4)和(5),其不同之处在于,第二语义分割图像Mask_X2为预设模型针对样本内容图像进行语义分割所获得。第四子分割损失函数Loss_boun2可以参考上述公式(6),其不同之处在于,第二语义分割图像Mask_X2为预设模型针对样本内容图像进行语义分割所获得,相应的,Loss_boun2表示第二分割图像上的分割边界与该语义标签上分割边界之间的距离误差。
在本实施公式中,通过采用第二子分割损失函数对预测模型进行更新,使得训练得到的目标模型输出的样本化图像与待处理内容图像之间的内容特征的边界差异尽可能小,以具备良好的保边效果,避免内容特征和风格特征重建过程中发生整块色块粘连,导致边界不清晰。
在一种优选的实施方式中,基于语义分割图像与样本内容图像的语义标签确定分割损失函数,可以包括:基于第一语义分割图像与样本内容图像的语义标签,确定第一分割损失函数;
基于第二语义分割图像与样本内容图像的语义标签,确定第二分割损失函数;
基于第一分割损失函数和第二分割损失函数,确定分割损失函数。
其中,第一分割损失函数和第二分割损失函数的确定可以参考上述实施例。基于第一分割损失函数和第二分割损失函数,确定分割损失函数,可以包括:将第一分割损失函数的第一子分割函数和第二子分割函数,以及第二分割损失函数的第三子分割函数和第四子分割函数进行加权处理,得到分割损失函数。
举例而言,分割损失函数可以采用如下公式(8)确定:
Loss_seg=a
其中,a
基于此,采用分割损失函数对预设模型进行更新,使得最终得到的目标模型在将待处理风格图像的风格特征迁移至待处理内容图像,以及在重建待处理内容图像的内容特征时,不仅能够更好地保留待处理内容图像的内容特征,而且能够保持风格化图像与待处理内容图像之间的边界差异尽可能小,达到良好的保边效果。
在一种实施方式中,预设模型还输出有样本内容图像的重建图像,该方法还可以包括:
基于重建图像与样本内容图像的差异,确定重建损失函数;
将重建损失函数增加至总损失函数中。
其中,重建损失函数可以采用如下公式(9)确定:
公式(9)中,X为样本内容图像,X
重建图像为基于样本内容图像的内容特征和风格特征所重建出的。将重建损失函数增加到总损失函数中可以是将重建损失函数加权至总损失函数中,以使重建损失函数构成总损失函数的一部分。
基于此,当采用包含重建损失函数的总损失函数对预设模型进行更新时,可以使目标模型能够更好的提取待处理内容图像的内容特征以及待处理风格图像的风格特征,有利于输出真实感风格更好的风格化图像。
图4是本公开实施例的一个应用示例的示意图。如图4所示,预设模型包括三个相同的风格特征编码网络、两个相同的内容特征编码网络和两个相同的解码网络。
其中,将样本内容图像输入第一内容特征编码网络,得到样本内容图像的内容特征;将样本风格图像输入第一风格特征编码网络,得到样本风格图像的风格特征;第一解码网络基于样本内容图像的内容特征和样本风格图像的风格特征输出第一语义分割图像和样本风格化图像。如此,可以基于第一语义分割图像和样本风格化图像,确定总损失函数。
进一步地,将样本风格化图像输入第二风格特征编码网络和第二内容特征编码网络,得到样本风格化图像的风格特征和内容特征。这样可以基于样本风格化图像的风格特征与样本风格图像的风格特征的差异,确定风格损失函数;以及基于样本风格化图像的内容特征与样本内容图像的内容特征的差异,确定内容损失函数。还可以基于第一语义分割图像和样本内容图像的语义标签,确定第一分割损失函数。
此外,将样本内容图像输入第三风格特征编码网络,得到样本内容图像的风格特征,从而继续将样本内容图像的风格特征和内容特征输入第二解码网络,得到第二解码网络输出的第二语义分割图像和重建图像。如此,可以基于第二语义分割图像和样本内容图像的语义标签,确定第二分割损失函数;以及基于重建图像与样本内容图像的差异,确定重建损失函数。
基于此,可以采用风格损失函数和内容损失函数,以及第一分割损失函数和/或第二分割损失函数构成总损失函数;或者,采用风格损失函数、内容损失函数和重建损失函数,以及第一分割损失函数和/或第二分割损失函数构成总损失函数。
基于总损失函数进行反向传导更新预设模型可以是根据上述总损失函数进行反向传导更新第一内容特征编码网络、第二内容特征编码网络、第一风格特征编码网络至第三风格特征编码网络、第一解码网络和第二解码网络中的相关参数,使得各内容特征编码网络的参数保持一致、各风格特征编码网络的参数保持一致、以及各解码网络的参数保持一致。
在针对预设模型的迭代次数达到预设门限值,或者预设模型的迭代训练中指标不再变化时,可以确定训练完成。如图5所示,采用最终的内容特征编码网络、风格特征编码网络和解码网络可以构建目标模型,即为本公开实施例的风格迁移模型。
在一种实施方式中,该方法还可以包括:
获取待处理内容图像和待处理风格图像;
将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像。
其中,待处理内容图像和待处理风格图像可以由图像采集设备采集得到,也可以从存储设备中选取出。待处理内容图像和待处理风格图像的获取方式可以根据实际需要进行选择和调整,本公开的实施例对待处理内容图像和待处理风格图像的获取方式不作限制。
基于此,通过在训练过程中基于样本风格化图像以及语义分割图像确定出总损失函数,并利用总损失函数进行反向传导更新预设模型,可以使训练得到的目标模型在风格迁移的过程中能够从内容图像中更好地区分出属于内容特征的语义类别,提高从内容图像中分割出内容特征的精度,这样目标模型输出的风格化图像能够更为完整地保留内容图像的内容特征,使得内容特征明确。
图6是根据本公开的风格迁移方法的示意图。如图6所示,该方法可以包括:
S601、获取待处理内容图像和待处理风格图像;
S602、将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像;其中,目标模型采用上述任一种实施方式的方法训练得到。
其中,将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像可参考图5,目标模型将待处理风格图像的纹理和色彩等风格特征迁移到待处理内容图像,并能够更好地保留待处理内容图像的内容和结构等内容特征。
根据本公开实施例的迁移方法,通过在训练过程中基于样本风格化图像以及语义分割图像确定出总损失函数,并利用总损失函数进行反向传导更新预设模型,可以使训练得到的目标模型在风格迁移的过程中能够从内容图像中更好地区分出属于内容特征的语义类别,提高从内容图像中分割出内容特征的精度,这样目标模型输出的风格化图像能够更为完整地保留内容图像的内容特征,使得内容特征明确。
在本实施例中,目标模型的训练方式与上述实施例中的方式相同,不再赘述。
在一种实施方式中,将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像,包括:
将待处理内容图像和第一时刻下具有第一风格特征的第一待处理风格图像输入目标模型,得到目标模型输出的第一风格化图像;
将待处理内容图像和第二时刻下具有第二风格特征的第二待处理风格图像输入目标模型,得到目标模型输出的第二风格化图像;第二时刻晚于第一时刻。
其中,第一待处理风格图像和第二待处理风格图像可以是同一场景的不同时刻的待处理风格图像。例如,第一待处理风格图像为在清晨的某个时刻对场景A拍摄的图像,第二待处理风格图像为在傍晚的某个时刻对场景A拍摄的图像。
基于此,可以将不同时刻下的第一风格特征和第二风格特征迁移到待处理内容图像,得到风格特征丰富的风格化图像。
进一步地,在另一种实施方式中,该方法还可以包括:
基于第一风格化图像和第二风格化图像,生成多张第三风格化图像;
将第一风格化图像、多张第三风格化图像和第二风格化图像合成风格化视频。
其中,基于第一风格化图像和第二风格化图像,生成多张第三风格化图像可以是基于第一风格化图像和第二风格化图像,生成位于第一时刻与第二时间之间的多个时刻所对应的多张第三风格化图像。
多张第三风格化图像可以是基于第一风格化图像和第二风格化图像进行多轮插值处理所获得。
例如,基于第一风格化图像和第二风格化图像进行5轮插值处理,可以得到11张第三风格化图像,其具体为:
第1轮:对第一风格化图像和第二风格化图像进行插值处理,得到位于第一时刻和第二时刻之间的第三时刻的第一张第三风格化图像;第三时刻晚于第一时刻且早于第二时刻;
第2轮:对第一风格化图像和第一张第三风格化图像进行插值处理,得到位于第一时刻和第三时刻之间的第四时刻的第二张第三风格化图像,第四时刻晚于第一时刻且早于第三时刻;以及对第一张第三风格化图像和第二风格化图像进行插值处理,得到位于第三时刻与第二时间之间的第五时刻的第三张第三分风格化图像,第五时刻晚于第三时刻且早于第二时刻。
以此类推,在第5轮插值处理结束时,获得位于第一时刻和第二时刻之间的11个时刻所对应的11张第三风格化图像。
将第一风格化图像、多张第三风格化图像和第二风格化图像合成风格化视频,可以是按照时刻的早晚顺序将第一风格化图像多张第三风格化图像和第二风格化图像合成视频。例如,如图7所示,示出采用公开实施例的方法所获得的某个场景中时刻1至时刻6对应的6张风格化图像,可以基于这6张风格化图像合成风格化视频。
基于此,采用本公开的风格迁移方法可以将同一场景下不同时刻的风格特征迁移到待处理内容图像,自动生成风格化视频,使得待处理内容图像的风格真实且丰富。
图8是根据本公开实施的模型的训练装置的示意图。如图8所示,该模型的训练装置800可以包括:
第一输入模块810,用于将样本内容图像以及样本风格图像输入预设模型,得到预设模型输出的语义分割图像以及样本风格化图像;其中,样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征;
第一确定模块820,用于基于样本风格化图像以及语义分割图像,确定总损失函数;
更新模块830,用于基于总损失函数进行反向传导更新预设模型,得到目标模型。
在一种实施方式中,第一确定模块820可以包括:
第一确定子模块,用于基于样本风格化图像与样本内容图像之间的差异确定内容损失函数,基于样本风格化图像与样本风格图像之间的差异确定风格损失函数,基于语义分割图像与样本内容图像的语义标签确定分割损失函数;
第二确定子模块,用于基于内容损失函数、风格损失函数和分割损失函数,确定总损失函数。
在一种实施方式中,第一确定子模块可以包括以下至少之一:
第一确定单元,用于基于第一语义分割图像与样本内容图像的语义标签,确定第一分割损失函数;其中,第一语义分割图像与样本风格图像的风格特征和样本内容图像的内容特征相关;
第二确定单元,用于基于第二语义分割图像与样本内容图像的语义标签,确定第二分割损失函数;其中,第二语义分割图像为样本内容图像的语义分割图像。
在一种实施方式中,第一确定单元可以包括:
第一确定子单元,用于基于第一语义分割图像的像素点对应的预测概率以及样本内容图像的语义标签,确定第一子分割损失函数;
第二确定子单元,用于基于第一语义分割图像的分割边界与样本内容的分割边界,确定第二子分割损失函数;
第三确定子单元,用于基于第一子分割损失函数和第二子分割损失函数,确定第一分割损失函数。
在一种实施方式中,第二确定单元可以包括:
第四确定子单元,用于基于第二语义分割图像的像素点对应的预测概率以及样本内容图像的语义标签,确定第三子分割损失函数;
第五确定子单元,用于基于第二语义分割图像的分割边界与样本内容的分割边界,确定第四子分割损失函数;
第六确定子单元,用于基于第三子分割损失函数和第四子分割损失函数,确定第二分割损失函数。
在一种实施方式中,预设模型还输出有样本内容图像的重建图像,该装置还可以包括:
第二确定模块,用于基于重建图像与样本内容图像的差异,确定重建损失函数;
增加模块,用于将重建损失函数增加至总损失函数中。
在一种实施方式中,该装置还可以包括:
第一获取模块,用于获取待处理内容图像和待处理风格图像;
第二输入模块,用于将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像。
图9是根据本公开实施例的风格迁移装置的示意图。如图9所示,该风格迁移装置900可以包括:
第二获取模块910,用于获取待处理内容图像和待处理风格图像;
第三输入模块920,用于将待处理内容图像和待处理风格图像输入目标模型,得到目标模型输出的风格化图像;
其中,目标模型采用上述任一种实施方式的方法训练得到。
在一种实施方式中,第三输入模块920可以包括:
第一输入子模块,用于将待处理内容图像和第一时刻下具有第一风格特征的第一待处理风格图像输入目标模型,得到目标模型输出的第一风格化图像;
第二输入子模块,用于将待处理内容图像和第二时刻下具有第二风格特征的第二待处理风格图像输入目标模型,得到目标模型输出的第二风格化图像;第二时刻晚于第一时刻。
在一种实施方式中,该装置还可以包括:
生成子模块,用于基于第一风格化图像和第二风格化图像,生成多张第三风格化图像;
合成子模块,用于将第一风格化图像、多张第三风格化图像和第二风格化图像合成风格化视频。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元10010加载到随机访问存储器(RAM)1003中的计算机程序来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元10010,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如模型的训练方法和/或风格迁移方法。例如,在一些实施例中,模型的训练方法和/或风格迁移方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元10010。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的模型的训练方法和/或风格迁移方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行模型的训练方法和/或风格迁移方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
- 模型的训练方法、风格迁移方法、装置、设备及存储介质
- 语音风格迁移模型的训练方法、装置、设备及存储介质