申请/专利权人:深圳墨世科技有限公司
申请日:2023-12-25
公开(公告)日:2024-02-27
公开(公告)号:CN117456039B
主分类号:G06T11/00
分类号:G06T11/00;G06V40/16;G06V10/82
优先权:
专利状态码:有效-授权
法律状态:2024.02.27#授权;2024.02.13#实质审查的生效;2024.01.26#公开
摘要:本发明公开了基于联合训练的AIGC魔术头像生成方法、装置及设备,方法包括:将预处理图像集和图像描述文本集增加至训练样本集,以更新训练样本集;基于训练样本集对初始StableDiffusion模型进行两段训练后得到第二段训练后StableDiffusion模型;若确定第二段训练后StableDiffusion模型后的平均损失值和损失标准差满足预设损失条件,则以其作为目标模型。本发明实施例能对初始StableDiffusion模型基于用户当前采集的用户图像及已存储的训练样本集进行多轮联合训练,充分训练了模型中的文本编码器及U‑Net网络,并提升了生成图像的prompt相似度和人脸相似度。
主权项:1.一种基于联合训练的AIGC魔术头像生成方法,其特征在于,包括:响应于魔术头像生成模型训练指令,获取与所述魔术头像生成模型训练指令对应的多张用户图像,以及对应预处理得到的预处理图像集;获取与所述预处理图像集对应的图像描述文本集;获取预先存储的训练样本集,将所述预处理图像集和所述图像描述文本集增加至所述训练样本集,以更新所述训练样本集;根据预设的训练总轮数和第一预设训练比例确定第一段训练轮数,基于所述训练样本集对初始StableDiffusion模型中的文本编码器和U-Net网络进行第一段训练轮数的模型训练,得到第一段训练后StableDiffusion模型;根据所述训练总轮数和第二预设训练比例确定第二段训练轮数,基于所述训练样本集对所述第一段训练后StableDiffusion模型中的U-Net网络进行第二段训练轮数的模型训练,得到第二段训练后StableDiffusion模型;若确定所述训练样本集输入至所述第二段训练后StableDiffusion模型后的平均损失值和损失标准差满足预设损失条件,则以所述第二段训练后StableDiffusion模型作为目标StableDiffusion模型,并用于AIGC魔术头像生成。
全文数据:
权利要求:
百度查询: 深圳墨世科技有限公司 基于联合训练的AIGC魔术头像生成方法、装置及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。