申请/专利权人:湖南君安科技有限公司
申请日:2024-02-08
公开(公告)日:2024-03-19
公开(公告)号:CN117726721A
主分类号:G06T11/60
分类号:G06T11/60;G06N3/0442;G06N3/0455;G06N3/08;G06T5/70;G06V10/80
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本申请涉及一种基于主题驱动与多模态融合的图像生成方法、设备及介质。所述方法包括:构建图像生成模型;图像生成模型包括多模态对齐模块、文本编码模块、条件编码模块和图像生成模块;根据预先设计的损失函数对多模态对齐模块进行训练,利用训练后的多模态对齐模块对主题图像和主题类别进行编码,利用文本编码模块对提示文本和多模态主题语义向量进行融合,根据通用面部表征神经网络对主题图像进行提取,利用条件编码模块对得到的视觉图像进行特征转化,利用图像生成模块对输入的语义特征向量以及混合后的多模态特征向量进行逆向去燥,生成提示文本对应的图像。采用本方法能够提高主题驱动的图像生成效率。
主权项:1.一种基于主题驱动与多模态融合的图像生成方法,其特征在于,所述方法包括:获取主题图像、主题类别和提示文本;构建图像生成模型;所述图像生成模型包括多模态对齐模块、文本编码模块、条件编码模块和图像生成模块;根据预先设计的损失函数对多模态对齐模块进行训练,利用训练后的多模态对齐模块将主题图像和主题类别在隐空间进行对齐,然后对对齐后的主题图像和主题类别进行编码,得到多模态主题语义向量;利用文本编码模块对所述提示文本和所述多模态主题语义向量进行融合,得到混合后的多模态特征向量;根据通用面部表征神经网络对所述主题图像进行提取,得到视觉图像;利用条件编码模块对所述视觉图像进行特征转化,得到语义特征向量;利用图像生成模块采用扩散模型接受所述语义特征向量以及混合后的多模态特征向量作为输入,对输入的语义特征向量以及混合后的多模态特征向量进行逆向去燥,生成提示文本对应的图像。
全文数据:
权利要求:
百度查询: 湖南君安科技有限公司 基于主题驱动与多模态融合的图像生成方法、设备及介质
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。