申请/专利权人：中国科学院计算技术研究所

申请日：2024-01-17

公开（公告）日：2024-04-12

公开（公告）号：CN117876522A

主分类号：G06T11/00

分类号：G06T11/00;G06T5/70;G06N3/0455;G06N3/08;G06N3/0464;G06F40/205;G06F40/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提出一种基于解耦自增强的细节可控个性化图像生成方法和系统，包括：获取参考概念图像和文本指令，构造文本指令的属性描述，基于概念图像的概念特征和属性描述，生成多个初始图像并筛选，将筛选后的每张初始图像与其对应的属性描述作为训练样本；为训练样本中初始图像添噪得到噪声图像，将噪声图像和其对应的属性描述送入包括文本编码器的扩散网络，扩散网络根据属性描述，预测噪声图像中所添加的噪声，根据预测结果和真实添加噪声构建损失函数训练扩散网络，得到图像生成模型；将具有目标属性的图像生成文本指令和噪声图像输入图像生成模型，图像生成模型根据图像生成文本指令为噪声图像去噪，得到图像生成文本指令对应的图像生成结果。

主权项：1.一种基于解耦自增强的细节可控个性化图像生成方法，其特征在于，包括：步骤1、获取参考概念图像和其对应的文本指令，通过大语言模型构造该文本指令的属性描述，该属性描述包括目标属性和非目标属性，基于该概念图像的概念特征和该属性描述，生成多个初始图像并筛选，将筛选后的每张初始图像与其对应的属性描述作为训练样本；步骤2、为该训练样本中初始图像添加噪声得到噪声图像，将该噪声图像和其对应的属性描述送入包括文本编码器的扩散网络，该扩散网络根据该属性描述，预测该噪声图像中所添加的噪声，根据该预测结果和真实添加噪声构建损失函数训练该扩散网络，得到图像生成模型；步骤3、调整该图像生成模型中的文本编码器文本嵌入空间，获取具有该目标属性的图像生成文本指令，该文本编码器对该图像生成文本指令对应的文本嵌入进行语义矫正，得到文本条件向量，将噪声图像和该文本条件向量输入该图像生成模型中的扩散网络，根据该图像生成文本指令为噪声图像去噪，得到该图像生成文本指令对应的图像生成结果。

全文数据：

权利要求：

百度查询： 中国科学院计算技术研究所 基于解耦自增强的细节可控个性化图像生成方法及系统

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