申请/专利权人：华为技术有限公司

申请日：2022-09-22

公开（公告）日：2024-04-02

公开（公告）号：CN117808663A

主分类号：G06T3/04

分类号：G06T3/04;G06N3/04;G06T9/00;G06V10/74;G06V10/774

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：本申请实施例提供了一种模型训练和风格迁移方法及电子设备。该模型训练方法包括：获取第一训练数据的第一内容信息以及获取第二训练数据的第二内容信息；将第一内容信息输入至风格迁移模型，以得到第一预测图像；基于第二训练数据的第一风格特征与第一预测图像的第二风格特征，确定第一损失，第一风格特征基于第二训练数据与第二内容信息之间的特征差值确定，第二风格特征基于第一预测图像与第一内容信息之间的特征差值确定；基于第一损失，对风格迁移模型进行训练。这样，采用与内容特征完全解耦的风格特征对风格迁移模型进行训练，能够避免使用训练后的风格迁移模型生成的图像出现内容结构保持较差，和或，包含不和谐纹理和人工伪影等问题。

主权项：1.一种模型训练方法，其特征在于，所述方法包括：获取第一训练数据的第一内容信息以及获取第二训练数据的第二内容信息，所述第一训练数据为第一训练图像，所述第二训练数据包括第二训练图像和或第一图像描述文本；将所述第一内容信息输入至风格迁移模型，以得到所述风格迁移模型输出的第一预测图像；基于所述第二训练数据的第一风格特征与所述第一预测图像的第二风格特征，确定第一损失，所述第一风格特征基于所述第二训练数据与所述第二内容信息之间的特征差值确定，所述第二风格特征基于所述第一预测图像与所述第一内容信息之间的特征差值确定；基于所述第一损失，对所述风格迁移模型进行训练。

全文数据：

权利要求：

百度查询： 华为技术有限公司 模型训练和风格迁移方法及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD