CN114140603B - 虚拟形象生成模型的训练方法和虚拟形象生成方法 - Google Patents

虚拟形象生成模型的训练方法和虚拟形象生成方法 Download PDF

Info

Publication number
CN114140603B
CN114140603B CN202111488232.2A CN202111488232A CN114140603B CN 114140603 B CN114140603 B CN 114140603B CN 202111488232 A CN202111488232 A CN 202111488232A CN 114140603 B CN114140603 B CN 114140603B
Authority
CN
China
Prior art keywords
image
model
sample set
vector
hidden vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111488232.2A
Other languages
English (en)
Other versions
CN114140603A (zh
Inventor
彭昊天
赵晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111488232.2A priority Critical patent/CN114140603B/zh
Publication of CN114140603A publication Critical patent/CN114140603A/zh
Priority to US17/939,301 priority patent/US20220414959A1/en
Priority to JP2022150818A priority patent/JP7374274B2/ja
Priority to KR1020220121186A priority patent/KR102627802B1/ko
Application granted granted Critical
Publication of CN114140603B publication Critical patent/CN114140603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开提供了一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于虚拟形象生成等场景。具体实现方案为：将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型；将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型；将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；基于上述模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。提高了生成虚拟形象的效率，提高了用户体验。

Description

虚拟形象生成模型的训练方法和虚拟形象生成方法
技术领域
本公开涉及人工智能技术领域，具体为虚拟/增强现实、计算机视觉和深度学习技术领域，可应用于虚拟形象生成等场景，尤其涉及一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品。
背景技术
目前由文本生成虚拟形象只能通过匹配实现，即通过人工标注，为虚拟形象标注属性标签，手动设置映射关系，但该方式成本高、灵活性不足，对于复杂和数量大的语义结构，人工标注难以构建更深层次的网状映射关系。
发明内容
本公开提供了一种虚拟形象生成模型的训练方法、虚拟形象生成方法、装置、设备、存储介质以及计算机程序产品，提高了生成虚拟形象的效率。
根据本公开的一方面，提供了一种虚拟形象生成模型的训练方法，包括：获取标准图像样本集、描述文本样本集和随机向量样本集；将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型；基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集；将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型；将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
根据本公开的另一方面，提供了一种虚拟形象生成方法，包括：接收虚拟形象生成请求；基于虚拟形象生成请求确定第一描述文本；基于第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，生成与第一描述文本对应的虚拟形象。
根据本公开的又一方面，提供了一种虚拟形象生成模型的训练装置，包括：第一获取模块，被配置为获取标准图像样本集、描述文本样本集和随机向量样本集；第一训练模块，被配置为将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型；第二获取模块，被配置为基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集；第二训练模块，被配置为将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型；第三训练模块，被配置为将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；第四训练模块，被配置为基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
根据本公开的又一方面，提供了一种虚拟形象生成装置，包括：第一接收模块，被配置为接收虚拟形象生成请求；第一确定模块，被配置为基于虚拟形象生成请求确定第一描述文本；第一生成模块，被配置为基于第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，生成与第一描述文本对应的虚拟形象。
根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述虚拟形象生成模型的训练方法及虚拟形象生成方法。
根据本公开的又一方面，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，其中，上述计算机指令用于使上述计算机执行上述虚拟形象生成模型的训练方法及虚拟形象生成方法。
根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现上述虚拟形象生成模型的训练方法及虚拟形象生成方法。
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是本公开可以应用于其中的示例性***架构图；
图2是根据本公开的虚拟形象生成模型的训练方法的一个实施例的流程图；
图3是根据本公开的虚拟形象生成模型的训练方法的另一个实施例的流程图；
图4是根据本公开的形状系数生成模型生成形状系数的一个示意图；
图5是根据本公开的将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型方法的一个实施例的流程图；
图6是根据本公开的将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型方法的一个实施例的流程图；
图7是根据本公开的将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型方法的一个实施例的流程图；
图8是根据本公开的用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型方法的一个实施例的流程图；
图9是根据本公开的虚拟形象生成方法的一个实施例的流程图；
图10是根据本公开的虚拟形象生成模型的训练装置的一个实施例的结构示意图；
图11是根据本公开的虚拟形象生成装置的一个实施例的结构示意图；
图12是用来实现本公开实施例的虚拟形象生成模型的训练方法或虚拟形象生成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示出了可以应用本公开的虚拟形象生成模型的训练方法或虚拟形象生成方法或虚拟形象生成模型的训练装置或虚拟形象生成装置的实施例的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以获取虚拟形象生成模型或虚拟形象等。终端设备101、102、103上可以安装有各种客户端应用，例如文本处理应用等等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种基于确定虚拟形象生成模型或虚拟形象的服务。例如，服务器105可以对从终端设备101、102、103获取到的文本进行分析和处理，并生成处理结果(例如确定出与文本对应的虚拟形象等)。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的虚拟形象生成模型的训练方法或虚拟形象生成方法一般由服务器105执行，相应地，虚拟形象生成模型的训练装置或虚拟形象生成装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的虚拟形象生成模型的训练方法的一个实施例的流程200。该虚拟形象生成模型的训练方法包括以下步骤：
步骤201、获取标准图像样本集、描述文本样本集和随机向量样本集。
在本实施例中，虚拟形象生成模型的训练方法的执行主体(例如图1所示的服务器105)可以获取标准图像样本集、描述文本样本集和随机向量样本集。其中，标准图像样本集中的图像可以是动物图像，可以是植物图像，也可以是人脸图像，本公开对此不做限定。标准图像是处于正常生长状态、健康状态的动物图像、或者植物图像、或者人脸图像，示例性的，标准图像样本集是由多个健康的亚洲人的人脸图像组成的样本集。标准图像样本集可以从公开的数据库中获取，也可以通过拍摄多幅图像来获取标准图像样本集，本公开对此不做限定。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
描述文本样本集中的描述文本，是用于描述目标虚拟形象的特征的文本。示例性的，描述文本的内容是长卷发、大眼睛、白皮肤、长睫毛。可以从公开的文字中截取多段描述动物或植物或人脸的特征的文字，组成描述文本样本集，也可以基于公开的动物图像、或者植物图像、或者人脸图像，用文字的形式概括并记录图像的特征，将记录的多段文字确定为描述文本样本集，也可以获取公开的描述动物或植物或人脸的特征的文字库，从文字库中任意选取多个特征组成一条描述文本，将获取的多条描述文本确定为描述文本样本集，本公开对此不做限定。描述文本样本集中的描述文本可以是英文文本，也可以是中文文本，也可以是其它语言的文本，本公开对此不做限定。
随机向量样本集中的随机向量是符合均匀分布或高斯分布的随机向量。可以预先创建能生成符合均匀分布或高斯分布的随机向量的函数，基于该函数获取多个随机向量，组成随机向量样本集。
步骤202、将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型。
在本实施例中，上述执行主体在获取标准图像样本集和随机向量样本集后，可以将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型。具体地，可以执行以下训练步骤：将随机向量样本集中的随机向量样本输入到第一初始模型中，得到第一初始模型输出的与每个随机向量样本对应的图像，将第一初始模型输出的图像与标准图像样本集中的标准图像进行比较，得到第一初始模型的准确率，将准确率与预先设定的准确率阈值进行比较，示例性的，预先设定准确率阈值为80％，若第一初始模型的准确率大于预先设定的准确率阈值，则将第一初始模型确定为图像生成模型，若第一初始模型的准确率小于预先设定的准确率阈值，则调整第一初始模型的参数，继续训练。第一初始模型可以是生成对抗网络中一种基于样式的图像生成模型，本公开对此不做限定。
步骤203、基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集。
在本实施例中，上述执行主体可以基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集。其中，图像生成模型可以以随机向量为输入，生成中间变量为隐向量，最终由图像生成模型输出一幅图像。因此，可以将随机向量样本集中的多个随机向量样本，输入到图像生成模型中，得到对应的多个隐向量和图像，将得到的多个隐向量确定为测试隐向量样本集，将得到的多幅图像确定为测试图像样本集。其中，隐向量是一种表示图像特征的向量，用隐向量表示图像特征，可以对图像特征之间的关联关系进行解耦，防止出现特征纠缠的现象。
步骤204、将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型。
在本实施例中，上述执行主体在得到测试隐向量样本集和测试图像样本集后，可以将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型。具体地，可以执行以下训练步骤：将测试图像样本集中的测试图像样本输入到第二初始模型中，得到第二初始模型输出的与每个测试图像样本对应的隐向量，将第二初始模型输出的隐向量与测试隐向量样本集中的测试隐向量进行比较，得到第二初始模型的准确率，将准确率与预先设定的准确率阈值进行比较，示例性的，预先设定准确率阈值为80％，若第二初始模型的准确率大于预先设定的准确率阈值，则将第二初始模型确定为图像编码模型，若第二初始模型的准确率小于预先设定的准确率阈值，则调整第二初始模型的参数，继续训练。第二初始模型可以是生成对抗网络中一种基于样式的图像编码模型，本公开对此不做限定。
步骤205、将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型。
在本实施例中，上述执行主体在得到标准图像样本集和描述文本样本集后，可以将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型。具体地，可以执行以下训练步骤：将标准图像样本集中的标准图像作为初始图像，将初始图像和描述文本样本集中的描述文本输入到第三初始模型中，得到第三初始模型输出的初始图像和描述文本的偏差值，基于第三初始模型输出的偏差值对初始图像进行编辑，将编辑后的图像与描述文本进行比较，得到第三初始模型的预测准确率，将预测准确率与预先设定的准确率阈值进行比较，示例性的，预先设定准确率阈值为80％，若第三初始模型的预测准确率大于预先设定的准确率阈值，则将第三初始模型确定为图像编码模型，若第三初始模型的准确率小于预先设定的准确率阈值，则调整第三初始模型的参数，继续训练。第三初始模型可以是CLIP(Contrastive Language-Image Pre-training)模型，本公开对此不做限定，其中，CLIP模型是一种可以计算图像和描述文本的差异的模型。
步骤206、基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
在本实施例中，上述执行主体在训练得到图像生成模型、图像编码模型和图像编辑模型后，可以将基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。具体地，可以执行以下训练步骤：基于图像生成模型、图像编码模型和图像编辑模型，将标准图像样本集和描述文本样本集转换为形状系数样本集和隐向量样本集，将隐向量样本集中的隐向量样本集输入到第四初始模型中，得到第四初始模型输出的形状系数，将第四初始模型输出的形状系数与形状系数样本进行比较，得到第四初始模型的准确率，将准确率与预先设定的准确率阈值进行比较，示例性的，预先设定准确率阈值为80％，若第四初始模型的准确率大于预先设定的准确率阈值，则将第四初始模型确定为虚拟形象生成模型，若第四初始模型的准确率小于预先设定的准确率阈值，则调整第四初始模型的参数，继续训练。第四初始模型可以是一种由隐向量生成虚拟形象的模型，本公开对此不做限定。
本公开实施例提供的虚拟形象生成模型的训练方法，首先训练图像生成模型、图像编码模型和图像编辑模型，然后基于图像生成模型、图像编码模型和图像编辑模型，训练得到虚拟形象生成模型。基于上述模型可以实现直接由文本生成虚拟形象，提高了生成虚拟形象的效率，节省成本。
进一步继续参考图3，其示出了根据本公开的虚拟形象生成模型的训练方法的另一个实施例的流程300。该虚拟形象生成模型的训练方法包括以下步骤：
步骤301、获取标准图像样本集、描述文本样本集和随机向量样本集。
步骤302、将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型。
步骤303、基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集。
步骤304、将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型。
步骤305、将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型。
步骤306、基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
在本实施例中，步骤301-306具体操作已在图2所示的实施例中步骤201-206进行了详细的介绍，在此不再赘述。
步骤307、将标准图像样本集中的标准图像样本，输入到预先训练的形状系数生成模型中，得到形状系数样本集。
在本实施例中，上述执行主体在得到标准图像样本集后，可以基于标准图像样本集获取形状系数样本集。具体地，可以将标准图像样本集中的标准图像样本作为输入数据，输入到预先训练的形状系数生成模型中，从形状系数生成模型的输出端，输出与标准图像样本对应的形状系数，将输出的多个形状系数确定为形状系数样本集。其中，预先训练的形状系数生成模型可以是PTA(Photo-to-Avatar)模型，PTA模型是一种输入一幅图像后，可以基于该图像的模型基底，与预先存储的多个相关的形状基底进行计算，输出对应的多个形状系数的模型，其中，多个形状系数代表该图像的模型基底与各个预先存储的形状基底的不同程度。
如图4所示，其示出了根据本公开的形状系数生成模型生成形状系数的一个示意图，从图4中可以看出，形状系数生成模型中预先存储了多个标准形状基底，多个标准形状基底是根据人的多种基本脸型得到的，例如瘦长脸型基底、圆脸基底、方脸基底等，将一幅人脸图像作为输入数据，输入到形状系数生成模型中，可以基于输入人脸图像的模型基底和多个标准形状基底进行计算，从形状系数生成模型的输出端，得到输入人脸图像与每一个标准形状基底对应的形状系数，其中，每一个形状系数代表输入人脸图像的模型基底与对应的形状基底的不同程度。
步骤308、将标准图像样本集中的标准图像样本，输入到图像编码模型中，得到标准隐向量样本集。
在本实施例中，上述执行主体在得到标准图像样本集后，可以基于标准图像样本集获取标准隐向量样本集。具体地，可以将标准图像样本集中的标准图像样本作为输入数据，输入到图像编码模型中，从图像编码模型的输出端，输出与标准图像样本对应的标准隐向量，将输出的多个标准隐向量确定为标准隐向量样本集。其中，图像编码模型可以是生成对抗网络中一种基于样式的图像编码模型，该图像编码模型是一种输入一幅图像后，可以对该图像的图像特征进行解码，输出与输入图像对应的隐向量的模型。其中，标准隐向量是一种表示标准图像特征的向量，用标准隐向量表示图像特征，可以对图像特征之间的关联关系进行解耦，防止出现特征纠缠的现象。
步骤309、将形状系数样本集和标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。
在本实施例中，上述执行主体在得到形状系数样本集和标准隐向量样本集后，可以将形状系数样本集和标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。具体地，可以执行以下训练步骤：将形状系数样本集中的形状系数样本输入到第五初始模型中，得到第五初始模型输出的与每个形状系数样本对应的隐向量，将第五初始模型输出的隐向量与标准隐向量样本集中的标准隐向量进行比较，得到第五初始模型的准确率，将准确率与预先设定的准确率阈值进行比较，示例性的，预先设定准确率阈值为80％，若第五初始模型的准确率大于预先设定的准确率阈值，则将第五初始模型确定为隐向量生成模型，若第五初始模型的准确率小于预先设定的准确率阈值，则调整第五初始模型的参数，继续训练。第五初始模型可以是一种由形状系数生成隐向量的模型，本公开对此不做限定。
从图3中可以看出，与图2对应的实施例相比，本实施例中的虚拟形象生成模型的训练方法，基于形状系数样本集和标准隐向量样本集，训练得到隐向量生成模型，基于隐向量生成模型也可以生成隐向量，并进一步利用该隐向量生成虚拟形象，提高了生成虚拟形象的灵活性。
进一步继续参考图5，其示出了根据本公开的将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型方法的一个实施例的流程500。该得到图像生成模型的方法包括以下步骤：
步骤501、将随机向量样本集中的随机向量样本输入到第一初始模型的转换网络中，得到第一初始隐向量。
在本实施例中，上述执行主体可以将随机向量样本集中的随机向量样本输入到第一初始模型的转换网络中，得到第一初始隐向量。其中，转换网络是第一初始模型中，将随机向量转换为隐向量的一个网络。将随机向量样本集中的随机向量样本输入到第一初始模型中，第一初始模型首先利用转换网络，将输入的随机向量转换为第一初始隐向量，使第一初始隐向量表示的特征之间的关联关系进行解耦，防止后续生成图像时出现特征纠缠的现象，提高了图像生成模型的准确率。
步骤502、将第一初始隐向量输入到第一初始模型的生成网络中，得到初始图像。
在本实施例中，上述执行主体在得到第一初始隐向量后，可以将第一初始隐向量输入到第一初始模型的生成网络中，得到初始图像。具体地，将随机向量样本集中的随机向量样本输入到第一初始模型中，第一初始模型利用转换网络得到第一初始隐向量后，可以将第一初始隐向量作为输入数据，再输入到第一初始模型的生成网络中，由生成网络输出对应的初始图像。其中，生成网络是第一初始模型中，将隐向量转换为图像的一个网络，由生成网络生成的初始图像即第一初始模型生成的初始图像。
步骤503、基于初始图像和标准图像样本集中的标准图像，得到第一损失值。
在本实施例中，上述执行主体在得到初始图像后，可以基于初始图像和标准图像样本集中的标准图像，得到第一损失值。具体地，可以得到初始图像的数据分布和标准图像的数据分布，将初始图像的数据分布和标准图像的数据分布之间的散度距离，确定为第一损失值。
上述执行主体在得到第一损失值后，可以将第一损失值与预先设置的第一损失阈值进行比较，若第一损失值小于预先设置的第一损失阈值，则执行步骤504，若第一损失值大于等于先设置的第一损失阈值，则执行步骤505。其中，示例性的，预先设置的第一损失阈值为0.05。
步骤504、响应于第一损失值小于预先设置的第一损失阈值，将第一初始模型确定为所述图像生成模型。
在本实施例中，上述执行主体可以响应于第一损失值小于预先设置的第一损失阈值，将第一初始模型确定为所述图像生成模型。具体地，响应于第一损失值小于预先设置的第一损失阈值，则第一初始模型输出的初始图像的数据分布，符合标准图像的数据分布，此时，第一初始模型的输出符合要求，第一初始模型训练完成，将第一初始模型确定为图像生成模型。
步骤505、响应于第一损失值大于等于第一损失阈值，调整第一初始模型的参数，继续训练第一初始模型。
在本实施例中，上述执行主体可以响应于第一损失值大于等于第一损失阈值，调整第一初始模型的参数，继续训练第一初始模型。具体地，响应于第一损失值大于等于第一损失阈值，则第一初始模型输出的初始图像的数据分布，不符合标准图像的数据分布，此时，第一初始模型的输出不符合要求，可以基于第一损失值在第一初始模型中进行反向传播，调整第一初始模型的参数，继续训练第一初始模型。
从图5中可以看出，本实施例中的得到图像生成模型的方法，可以使得到的图像生成模型，能够基于隐向量生成对应的符合真实数据分布的图像，以便于基于该图像生成模型进一步得到虚拟形象，提高了虚拟形象生成模型的准确率。
进一步继续参考图6，其示出了根据本公开的将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型方法的一个实施例的流程600。该得到图像编码模型方法包括以下步骤：
步骤601、将随机向量样本集中的随机向量样本，输入到图像生成模型的转换网络中，得到测试隐向量样本集。
在本实施例中，上述执行主体可以将随机向量样本集中的随机向量样本，输入到图像生成模型的转换网络中，得到测试隐向量样本集。其中，图像生成模型可以以随机向量为输入，利用图像生成模型中的转换网络，将随机向量转换为隐向量。将随机向量样本集中的随机向量样本输入到图像生成模型中，图像生成模型首先利用转换网络，将输入的随机向量转换为对应的测试隐向量，将得到的多个测试隐向量确定为测试隐向量样本集。
步骤602、将测试隐向量样本集中的测试隐向量样本，输入到图像生成模型的生成网络中，得到测试图像样本集。
在本实施例中，上述执行主体在得到测试隐向量样本集后，可以将测试隐向量样本集中的测试隐向量样本，输入到图像生成模型的生成网络中，得到所述测试图像样本集。具体地，将随机向量样本集中的随机向量样本输入到图像生成模型中，图像生成模型利用转换网络得到测试隐向量样本后，可以将测试隐向量样本作为输入数据，再输入到图像生成模型的生成网络中，由生成网络输出对应的测试图像样本，将得到的多个测试图像样本确定为测试图像样本集。
步骤603、将测试图像样本集中的测试图像样本，输入到第二初始模型中，得到第二初始隐向量。
在本实施例中，上述执行主体在得到测试图像样本集后，可以将测试图像样本集中的测试图像样本，输入到第二初始模型中，得到第二初始隐向量。具体地，可以将测试图像样本集中的测试图像样本作为输入数据，输入到第二初始模型中，从第二初始模型的输出端输出对应的第二初始隐向量。
步骤604、基于第二初始隐向量，和测试隐向量样本集中与测试图像样本对应的测试隐向量样本，得到第二损失值。
在本实施例中，上述执行主体在得到第二初始隐向量后，可以基于第二初始隐向量，和测试隐向量样本集中与测试图像样本对应的测试隐向量样本，得到第二损失值。具体地，可以先获取测试隐向量样本集中，与输入第二初始模型的测试图像样本，对应的测试隐向量样本，计算第二初始隐向量与测试隐向量样本之间的损失值，作为第二损失值。
上述执行主体在得到第二损失值后，可以将第二损失值与预先设置的第二损失阈值进行比较，若第二损失值小于预先设置的第二损失阈值，则执行步骤605，若第二损失值大于等于先设置的第二损失阈值，则执行步骤606。其中，示例性的，预先设置的第二损失阈值为0.05。
步骤605、响应于第二损失值小于预先设置的第二损失阈值，将第二初始模型确定为图像编码模型。
在本实施例中，上述执行主体可以响应于第二损失值小于预先设置的第二损失阈值，将第二初始模型确定为图像编码模型。具体地，响应于第二损失值小于预先设置的第二损失阈值，则第二初始模型输出的第二初始隐向量，是与测试图像样本对应的正确的隐向量，此时，第二初始模型的输出符合要求，第二初始模型训练完成，将第二初始模型确定为图像编码模型。
步骤606、响应于第二损失值大于等于第二损失阈值，调整第二初始模型的参数，继续训练第二初始模型。
在本实施例中，上述执行主体可以响应于第二损失值大于等于第二损失阈值，调整第二初始模型的参数，继续训练第二初始模型。具体地，响应于第二损失值大于等于第二损失阈值，则第二初始模型输出的第二初始隐向量，不是与测试图像样本对应的正确的隐向量，此时，第二初始模型的输出不符合要求，可以基于第二损失值在第二初始模型中进行反向传播，调整第二初始模型的参数，继续训练第二初始模型。
从图6中可以看出，本实施例中的得到图像编码模型的方法，可以使得到的图像编码模型，能够基于图像生成对应的正确的隐向量，以便于基于该图像编码模型进一步得到虚拟形象，提高了虚拟形象生成模型的准确率。
进一步继续参考图7，其示出了根据本公开的将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型方法的一个实施例的流程700。该得到图像编辑模型方法包括以下步骤：
步骤701、用预先训练的图文匹配模型，将标准图像样本集中的标准图像样本，和描述文本样本集中的描述文本样本，编码成初始多模态空间向量。
在本实施例中，上述执行主体可以用预先训练的图文匹配模型，将标准图像样本集中的标准图像样本，和描述文本样本集中的描述文本样本，编码成初始多模态空间向量。其中，预先训练的图文匹配模型可以是ERNIE-ViL(Enhanced Representation fromkNowledge IntEgration)模型，ERNIE-ViL模型是一种基于场景图解析的多模态表征模型，结合了视觉和语言的信息，可以计算一幅图片和一段文本的匹配值，也可以将一幅图片和一段文本编码成多模态空间向量。具体地，可以将标准图像样本集中的标准图像样本，和描述文本样本集中的描述文本样本，输入到预先训练的图文匹配模型中，基于预先训练的图文匹配模型将标准图像样本和描述文本样本编码成初始多模态空间向量，并输出该初始多模态空间向量。
步骤702、将初始多模态空间向量输入到第三初始模型中，得到第一隐向量偏值。
在本实施例中，上述执行主体在得到初始多模态空间向量后，可以将初始多模态空间向量输入到第三初始模型中，得到第一隐向量偏值。具体地，可以将初始多模态空间向量作为输入数据，输入到第三初始模型中，从第三初始模型的输出端，输出第一隐向量偏值，其中，第一隐向量偏值代表标准图像样本和描述文本样本的差异信息。
步骤703、用第一隐向量偏值对标准隐向量样本进行修正，得到合成隐向量。
在本实施例中，上述执行主体在得到第一隐向量偏值后，可以用第一隐向量偏值对标准隐向量样本进行修正，得到合成隐向量。其中，第一隐向量偏值代表标准图像样本和描述文本样本的差异信息，可以基于该差异信息，对标准隐向量样本进行修正，得到结合了该差异信息的修正后的标准隐向量样本，将修正后的标准隐向量样本确定为合成隐向量。
步骤704、将合成隐向量输入到图像生成模型中，得到合成图像。
在本实施例中，上述执行主体在得到合成隐向量后，可以将合成隐向量输入到图像生成模型中，得到合成图像。具体地，可以将合成隐向量作为输入数据，输入到图像生成模型中，从图像生成模型的输出端，输出对应的合成图像。
步骤705、基于预先训练的图文匹配模型，计算合成图像与描述文本样本的匹配度。
在本实施例中，上述执行主体在得到合成图像后，可以基于预先训练的图文匹配模型，计算合成图像与描述文本样本的匹配度。其中，预先训练的图文匹配模型可以计算一幅图片和一段文本的匹配值，因此，可以将合成图像与描述文本样本作为输入数据，输入到预先训练的图文匹配模型中，基于预先训练的图文匹配模型计算合成图像与描述文本样本的匹配度，从预先训练的图文匹配模型的输出端，输出计算的匹配度。
上述执行主体在得到合成图像与描述文本样本的匹配度后，可以将匹配度与预先设置的匹配阈值进行比较，若匹配度大于预先设置的匹配阈值，则执行步骤706，若匹配度小于等于匹配阈值，则执行步骤707。其中，示例性的，预先设置的匹配阈值为90％。
步骤706、响应于匹配度大于预先设置的匹配阈值，将第三初始模型确定为图像编辑模型。
在本实施例中，上述执行主体可以响应于匹配度大于预先设置的匹配阈值，将第三初始模型确定为图像编辑模型。具体地，响应于匹配度大于预先设置的匹配阈值，则第三初始模型输出的第一隐向量偏值，是初始多模态空间向量中的图像和文本之间的真实差异，此时，第三初始模型的输出符合要求，第三初始模型训练完成，将第三初始模型确定为图像编辑模型。
步骤707、响应于匹配度小于等于匹配阈值，基于合成图像与描述文本样本得到更新多模态空间向量，将更新多模态空间向量作为初始多模态空间向量，将合成隐向量作为标准隐向量样本，调整第三初始模型的参数，继续训练第三初始模型。
在本实施例中，上述执行主体可以响应于匹配度小于等于匹配阈值，调整第三初始模型的参数，继续训练第三初始模型。具体地，响应于匹配度小于等于匹配阈值，则第三初始模型输出的第一隐向量偏值，不是初始多模态空间向量中的图像和文本之间的真实差异，此时，第三初始模型的输出不符合要求，可以用预先训练的图文匹配模型，将合成图像与描述文本样本编码成更新多模态空间向量，将更新多模态空间向量作为初始多模态空间向量，将合成隐向量作为标准隐向量样本，基于匹配度在第三初始模型中进行反向传播，调整第三初始模型的参数，继续训练第三初始模型。
从图7中可以看出，本实施例中的得到图像编辑模型的方法，可以使得到的图像编辑模型，能够基于输入的图像和文本生成对应的正确的图文差异信息，以便于基于该图像编辑模型进一步得到虚拟形象，提高了虚拟形象生成模型的准确率。
进一步继续参考图8，其示出了根据本公开的用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型方法的一个实施例的流程800。该得到虚拟形象生成模型方法包括以下步骤：
步骤801、将标准图像样本输入到图像编码模型中，得到标准隐向量样本集。
在本实施例中，上述执行主体可以将标准图像样本输入到图像编码模型中，得到标准隐向量样本集。具体地，可以将标准图像样本集中的标准图像样本作为输入数据，输入到图像编码模型中，从图像编码模型的输出端，输出与标准图像样本对应的标准隐向量，将输出的多个标准隐向量确定为标准隐向量样本集。其中，标准隐向量是一种表示标准图像特征的向量，用标准隐向量表示图像特征，可以对图像特征之间的关联关系进行解耦，防止出现特征纠缠的现象。
步骤802、用预先训练的图文匹配模型，将标准图像样本与描述文本样本编码成多模态空间向量。
在本实施例中，上述执行主体可以用预先训练的图文匹配模型，将标准图像样本与描述文本样本编码成多模态空间向量。其中，预先训练的图文匹配模型可以是ERNIE-ViL(Enhanced Representation from kNowledge IntEgration)模型，ERNIE-ViL模型是一种基于场景图解析的多模态表征模型，结合了视觉和语言的信息，可以将一幅图片和一段文本编码成多模态空间向量。具体地，可以将标准图像样本和描述文本样本，输入到预先训练的图文匹配模型中，基于预先训练的图文匹配模型将标准图像样本和描述文本样本编码成多模态空间向量，并输出该多模态空间向量。
步骤803、将多模态空间向量输入到图像编辑模型中，得到第二隐向量偏值。
在本实施例中，上述执行主体在得到多模态空间向量后，可以将多模态空间向量输入到图像编辑模型中，得到第二隐向量偏值。具体地，可以将多模态空间向量作为输入数据，输入到图像编辑模型中，从图像编辑模型的输出端，输出第二隐向量偏值，其中，第二隐向量偏值代表标准图像样本和描述文本样本的差异信息。
步骤804、用第二隐向量偏值，对标准隐向量样本集中与标准图像样本对应的标准隐向量样本进行修正，得到目标隐向量样本集。
在本实施例中，上述执行主体在得到第二隐向量偏值后，可以用第二隐向量偏值，对标准隐向量样本集中与标准图像样本对应的标准隐向量样本进行修正，得到目标隐向量样本集。其中，第二隐向量偏值代表标准图像样本和描述文本样本的差异信息，可以先找到标准隐向量样本集中与标准图像样本对应的标准隐向量样本，基于该差异信息，对标准隐向量样本进行修正，得到结合了该差异信息的修正后的标准隐向量样本，将修正后的标准隐向量样本确定为目标隐向量，将得到的多个对应标准图像样本的目标隐向量确定为目标隐向量样本集。
步骤805、将目标隐向量样本集中的目标隐向量样本，输入到图像生成模型中，得到与目标隐向量样本对应的图像。
在本实施例中，上述执行主体在得到目标隐向量样本集后，可以将目标隐向量样本集中的目标隐向量样本，输入到图像生成模型中，得到与目标隐向量样本对应的图像。具体地，可以将目标隐向量样本集中的目标隐向量样本作为输入数据，输入到图像生成模型中，从图像生成模型的输出端，输出与目标隐向量样本对应的图像。
步骤806、将图像输入到预先训练的形状系数生成模型中，得到目标形状系数样本集。
在本实施例中，上述执行主体在得到与目标隐向量样本对应的图像后，可以将图像输入到预先训练的形状系数生成模型中，得到目标形状系数样本集。具体地，可以将与目标隐向量样本对应的图像作为输入数据，输入到预先训练的形状系数生成模型中，从形状系数生成模型的输出端，输出与图像对应的形状系数，将输出的多个形状系数确定为形状系数样本集。其中，预先训练的形状系数生成模型可以是PTA(Photo-to-Avatar)模型，PTA模型是一种输入一幅图像后，可以基于该图像的模型基底，与预先存储的多个相关的形状基底进行计算，输出对应的多个形状系数的模型，其中，多个形状系数代表该图像的模型基底与各个预先存储的形状基底的不同程度。
步骤807、将目标隐向量样本集中的目标隐向量样本，输入到第四初始模型中，得到测试形状系数。
在本实施例中，上述执行主体可以将目标隐向量样本集中的目标隐向量样本，输入到第四初始模型中，得到测试形状系数。具体地，可以将目标隐向量样本集中的目标隐向量样本作为输入数据，输入到第四初始模型中，从第四初始模型的输出端，输出与目标隐向量样本对应的测试形状系数。
步骤808、基于目标形状系数样本集中与目标隐向量样本对应的目标形状系数样本，和测试形状系数，得到第三损失值。
在本实施例中，上述执行主体在得到测试形状系数后，可以基于目标形状系数样本集中与目标隐向量样本对应的目标形状系数样本，和测试形状系数，得到第三损失值。具体地，可以先获取目标形状系数样本集中，与目标隐向量样本对应的目标形状系数样本，计算目标形状系数样本与测试形状系数之间的均方差，作为第三损失值。
上述执行主体在得到第三损失值后，可以将第三损失值与预先设置的第三损失阈值进行比较，若第三损失值小于预先设置的第三损失阈值，则执行步骤809，若第三损失值大于等于先设置的第三损失阈值，则执行步骤810。其中，示例性的，预先设置的第三损失阈值为0.05。
步骤809、响应于第三损失值小于预先设置的第三损失阈值，将第四初始模型确定为虚拟形象生成模型。
在本实施例中，上述执行主体可以响应于第三损失值小于预先设置的第三损失阈值，将第四初始模型确定为虚拟形象生成模型。具体地，响应于第三损失值小于预先设置的第三损失阈值，则第四初始模型输出的测试形状系数，是与目标隐向量样本对应的正确的形状系数，此时，第四初始模型的输出符合要求，第四初始模型训练完成，将第四初始模型确定为虚拟形象生成模型。
步骤810、响应于第三损失值大于等于第三损失阈值，调整第四初始模型的参数，继续训练第四初始模型。
在本实施例中，上述执行主体可以响应于第三损失值大于等于第三损失阈值，调整第四初始模型的参数，继续训练第四初始模型。具体地，响应于第三损失值大于等于第三损失阈值，则第四初始模型输出的测试形状系数，不是与目标隐向量样本对应的正确的形状系数，此时，第四初始模型的输出不符合要求，可以基于第三损失值在第四初始模型中进行反向传播，调整第四初始模型的参数，继续训练第四初始模型。
从图7中可以看出，本实施例中的确定虚拟形象生成模型的方法，可以使得到的虚拟形象生成模型，能够基于输入的隐向量生成对应的正确的形状系数，以便于基于该形状系数得到虚拟形象，提高了虚拟形象生成模型的效率、灵活性、多样性。
进一步参考图9，其示出了根据本公开的虚拟形象生成方法的一个实施例的流程900。该虚拟形象生成方法包括以下步骤：
步骤901、接收虚拟形象生成请求。
在本实施例中，上述执行主体可以接收虚拟形象生成请求。其中，虚拟形象生成请求可以是语音的形式，也可以是文字的形式，本公开对此不做限定。虚拟形象生成请求是请求生成目标虚拟形象的请求，示例性的，虚拟形象生成请求是内容为生成一个黄皮肤、大眼睛、黄卷发、穿西装的虚拟形象的文本。可以当感应到有虚拟形象生成请求时，将虚拟形象生成请求传输到接收函数中。
步骤902、基于虚拟形象生成请求确定第一描述文本。
在本实施例中，上述执行主体在接收虚拟形象生成请求后，可以基于虚拟形象生成请求确定第一描述文本。具体地，响应于虚拟形象生成请求是语音的形式，则先将虚拟形象生成请求从语音转换为文本，再从文本中获取描述虚拟形象的内容，确定为第一描述文本。响应于虚拟形象生成请求是文本的形式，则从虚拟形象生成请求中获取描述虚拟形象的内容，确定为第一描述文本。
步骤903、用预先训练的图文匹配模型，将标准图像和第一描述文本，编码成多模态空间向量。
在本实施例中，标准图像可以是从标准图像样本集中任取一幅图像，作为标准图像，也可以是将标准图像样本集中的所有图像取平均，得到一幅平均图像，作为标准图像，本公开对此不做限定。
在本实施例中，上述执行主体可以用预先训练的图文匹配模型，将标准图像和第一描述文本，编码成多模态空间向量。其中，预先训练的图文匹配模型可以是ERNIE-ViL(Enhanced Representation from kNowledge IntEgration)模型，ERNIE-ViL模型是一种基于场景图解析的多模态表征模型，结合了视觉和语言的信息，可以将一幅图片和一段文本编码成多模态空间向量。具体地，可以将标准图像和第一描述文本，输入到预先训练的图文匹配模型中，基于预先训练的图文匹配模型将标准图像和第一描述文本编码成多模态空间向量，并输出该多模态空间向量。
步骤904、将多模态空间向量输入到预先训练的图像编辑模型中，得到隐向量偏值。
在本实施例中，上述执行主体在得到多模态空间向量后，可以将多模态空间向量输入到预先训练的图像编辑模型中，得到隐向量偏值。具体地，可以将多模态空间向量作为输入数据，输入到预先训练的图像编辑模型中，从图像编辑模型的输出端，输出隐向量偏值，其中，隐向量偏值代表标准图像和第一描述文本的差异信息。
步骤905、用隐向量偏值对标准图像对应的隐向量进行修正，得到合成隐向量。
在本实施例中，上述执行主体在得到隐向量偏值后，可以用隐向量偏值对标准图像对应的隐向量进行修正，得到合成隐向量。其中，隐向量偏值代表标准图像和第一描述文本的差异信息，可以先将标准图像输入到预先训练的图像编码模型中，得到与标准图像对应的隐向量，基于该差异信息，对得到的隐向量进行修正，得到结合了该差异信息的修正后的隐向量，将修正后的隐向量确定为合成隐向量。
步骤906、将合成隐向量输入到预先训练的虚拟形象生成模型中，得到形状系数。
在本实施例中，上述执行主体在得到合成隐向量后，可以将合成隐向量输入到预先训练的虚拟形象生成模型中，得到形状系数。具体地，可以将合成隐向量作为输入数据，输入到预先训练的虚拟形象生成模型中，从虚拟形象生成模型的输出端，输出与合成隐向量对应的形状系数。其中，预先训练的虚拟形象生成模型由图2～图8的训练方法得到。
步骤907、基于形状系数，生成与第一描述文本对应的虚拟形象。
在本实施例中，上述执行主体在得到形状系数后，可以基于形状系数，生成与第一描述文本对应的虚拟形象。具体地，可以预先获取多个标准形状基底，示例性的，与第一描述文本对应的虚拟形象为人形虚拟形象，可以预先根据人的多种基本脸型得到多个标准形状基底，例如瘦长脸型基底、圆脸基底、方脸基底等，并将合成隐向量输入到预先训练的图像生成模型中，得到与合成隐向量对应的合成图像，基于合成图像得到基本模型基底，基于基本模型基底、多个标准形状基底和得到的形状系数，按照如下公式计算得到与第一描述文本对应的虚拟形象。
Figure BDA0003398173900000221
其中，i为模型的顶点编号，Vertexi表示虚拟形象第i号顶点的合成坐标，VertexBasei表示基本模型基底第i号顶点的坐标，m为标准形状基底的数量，j为标准形状基底的编号，VertexBS(j,i)表示第j号标准形状基底的第i号顶点的坐标，βj表示第j号标准形状基底对应的形状系数。
步骤908、接收虚拟形象更新请求。
在本实施例中，上述执行主体可以接收虚拟形象更新请求。其中，虚拟形象更新请求可以是语音的形式，也可以是文字的形式，本公开对此不做限定。虚拟形象更新请求是请求更新已生成的目标虚拟形象的请求，示例性的，虚拟形象生成请求是内容为将已有虚拟形象的黄卷发更新为黑色长直发的虚拟形象的文本。可以当感应到有虚拟形象更新请求时，将虚拟形象更新请求传输到更新函数中。
步骤909、基于虚拟形象更新请求，确定原始形状系数和第二描述文本。
在本实施例中，上述执行主体在接收虚拟形象更新请求后，可以基于虚拟形象更新请求，确定原始形状系数和第二描述文本。具体地，响应于虚拟形象更新请求是语音的形式，则先将虚拟形象更新请求从语音转换为文本，再从文本中获取描述虚拟形象的内容，确定为第二描述文本，并从文本中获取原始形状系数，响应于虚拟形象更新请求是文本的形式，则从虚拟形象更新请求中获取描述虚拟形象的内容，确定为第一描述文本，并从文本中获取原始形状系数。示例性的，原始形状系数为与第一描述文本对应的虚拟形象的形状系数。
步骤910、将原始形状系数输入到预先训练的隐向量生成模型中，得到原始形状系数对应的隐向量。
在本实施例中，上述执行主体在获取原始形状系数后，可以将原始形状系数输入到预先训练的隐向量生成模型中，得到原始形状系数对应的隐向量。具体地，可以原始形状系数作为输入数据，输入到预先训练的隐向量生成模型中，从隐向量生成模型的输出端，输出原始形状系数对应的隐向量。
步骤911、将原始形状系数对应的隐向量输入到预先训练的图像生成模型中，得到原始形状系数对应的原始图像。
在本实施例中，上述执行主体在获取原始形状系数对应的隐向量后，可以将原始形状系数对应的隐向量输入到预先训练的图像生成模型中，得到原始形状系数对应的原始图像。具体地，可以原始形状系数对应的隐向量作为输入数据，输入到预先训练的图像生成模型中，从图像生成模型的输出端，输出原始形状系数对应的原始图像。
步骤912、基于第二描述文本、原始图像和预先训练的虚拟形象生成模型，生成更新后的虚拟形象。
在本实施例中，上述执行主体可以基于第二描述文本、原始图像和预先训练的虚拟形象生成模型，生成更新后的虚拟形象。具体地，可以先基于第二描述文本和原始图像得到更新隐向量，将更新隐向量输入到预先训练的虚拟形象生成模型中，得到更新隐向量对应的形状系数，将更新隐向量输入到预先训练的图像生成模型中，得到与更新隐向量对应的更新图像，基于更新图像得到基本模型基底，预先获取多个标准形状基底，示例性的，与第二描述文本对应的虚拟形象为人形虚拟形象，可以预先根据人的多种基本脸型得到多个标准形状基底，例如瘦长脸型基底、圆脸基底、方脸基底等，基于基本模型基底、多个标准形状基底和得到的形状系数，按照如下公式计算得到与第二描述文本对应的更新后的虚拟形象。
Figure BDA0003398173900000241
其中，i为模型的顶点编号，Vertexi表示更新后的虚拟形象第i号顶点的合成坐标，VertexBasei表示基本模型基底第i号顶点的坐标，m为标准形状基底的数量，j为标准形状基底的编号，VertexBS(j,i)表示第j号标准形状基底的第i号顶点的坐标，βj表示第j号标准形状基底对应的形状系数。
从图9中可以看出，本实施例中的虚拟形象生成方法可以直接由文本生成虚拟形象，提高了生成虚拟形象的效率、生成虚拟形象的多样性和准确性，节省成本，提高了用户体验。
进一步参考图10，作为对上述虚拟形象生成模型的训练方法的实现，本公开提供了一种虚拟形象生成模型的训练装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图10所示，本实施例的虚拟形象生成模型的训练装置1000可以包括第一获取模块1001，第一训练模块1002，第二获取模块1003，第二训练模块1004，第三训练模块1005，第四训练模块1006。其中，第一获取模块1001，被配置为获取测试图像集合与加密掩膜集合；第一训练模块1002，被配置为将标准图像样本集和随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型；第二获取模块1003，被配置为基于随机向量样本集和图像生成模型，得到测试隐向量样本集和测试图像样本集；第二训练模块1004，被配置为将测试隐向量样本集和测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型；第三训练模块1005，被配置为将标准图像样本集和描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；第四训练模块1006，被配置为基于图像生成模型、图像编码模型和图像编辑模型，用第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
在本实施例中，虚拟形象生成模型的训练装置1000：第一获取模块1001，第一训练模块1002，第二获取模块1003，第二训练模块1004，第三训练模块1005，第四训练模块1006的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-206的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，虚拟形象生成模型的训练装置1000还包括：第三获取模块，被配置为将标准图像样本集中的标准图像样本，输入到预先训练的形状系数生成模型中，得到形状系数样本集；第四获取模块，被配置为将标准图像样本集中的标准图像样本，输入到图像编码模型中，得到标准隐向量样本集；第五训练模块，被配置为将形状系数样本集和标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。
在本实施例的一些可选实现方式中，第一训练模块1002包括：第一获取子模块，被配置为将随机向量样本集中的随机向量样本输入到第一初始模型的转换网络中，得到第一初始隐向量；第二获取子模块，被配置为将第一初始隐向量输入到第一初始模型的生成网络中，得到初始图像；第三获取子模块，被配置为基于初始图像和标准图像样本集中的标准图像，得到第一损失值；第一判断子模块，被配置为响应于第一损失值小于预先设置的第一损失阈值，将第一初始模型确定为图像生成模型；第二判断子模块，被配置为响应于第一损失值大于等于第一损失阈值，调整第一初始模型的参数，继续训练第一初始模型。
在本实施例的一些可选实现方式中，第二获取模块1003包括：第四获取子模块，被配置为将随机向量样本集中的随机向量样本，输入到图像生成模型的转换网络中，得到测试隐向量样本集；第五获取子模块，被配置为将测试隐向量样本集中的测试隐向量样本，输入到图像生成模型的生成网络中，得到测试图像样本集。
在本实施例的一些可选实现方式中，第二训练模块1004包括：第六获取子模块，被配置为将测试图像样本集中的测试图像样本，输入到第二初始模型中，得到第二初始隐向量；第七获取子模块，被配置为基于第二初始隐向量，和测试隐向量样本集中与测试图像样本对应的测试隐向量样本，得到第二损失值；第三判断子模块，被配置为响应于第二损失值小于预先设置的第二损失阈值，将第二初始模型确定为图像编码模型；第四判断子模块，被配置为响应于第二损失值大于等于第二损失阈值，调整第二初始模型的参数，继续训练第二初始模型。
在本实施例的一些可选实现方式中，第三训练模块1005包括：第一编码子模块，被配置为用预先训练的图文匹配模型，将标准图像样本集中的标准图像样本，和描述文本样本集中的描述文本样本，编码成初始多模态空间向量；第八获取子模块，被配置为将初始多模态空间向量输入到第三初始模型中，基于图像生成模型和标准隐向量样本集中的标准隐向量样本，得到合成图像和合成隐向量；计算子模块，被配置为基于预先训练的图文匹配模型，计算合成图像与描述文本样本的匹配度；第五判断子模块，被配置为响应于匹配度大于预先设置的匹配阈值，则将第三初始模型确定为所述图像编辑模型；第六判断子模块，被配置为响应于匹配度小于等于匹配阈值，基于合成图像与描述文本样本得到更新多模态空间向量，将更新多模态空间向量作为初始多模态空间向量，将合成隐向量作为标准隐向量样本，调整第三初始模型的参数，继续训练第三初始模型。
在本实施例的一些可选实现方式中，第八获取子模块包括：第一获取单元，被配置为将初始多模态空间向量输入到第三初始模型中，得到第一隐向量偏值；第二获取单元，被配置为用第一隐向量偏值对标准隐向量样本进行修正，得到合成隐向量；第三获取单元，被配置为将合成隐向量输入到图像生成模型中，得到合成图像。
在本实施例的一些可选实现方式中，第四训练模块1006包括：第九获取子模块，被配置为将标准图像样本集中的标准图像样本和描述文本样本集中的描述文本样本作为输入数据，基于图像生成模型、图像编码模型和图像编辑模型，得到目标形状系数样本集和目标隐向量样本集；第十获取子模块，被配置为将目标隐向量样本集中的目标隐向量样本，输入到第四初始模型中，得到测试形状系数；第十一获取子模块，被配置为基于目标形状系数样本集中与目标隐向量样本对应的目标形状系数样本，和测试形状系数，得到第三损失值；第七判断子模块，被配置为响应于第三损失值小于预先设置的第三损失阈值，将第四初始模型确定为虚拟形象生成模型；第八判断子模块，被配置为响应于第三损失值大于等于第三损失阈值，调整第四初始模型的参数，继续训练第四初始模型。
在本实施例的一些可选实现方式中，第九获取子模块包括：第四获取单元，被配置为将标准图像样本输入到图像编码模型中，得到标准隐向量样本集；编码单元，被配置为用预先训练的图文匹配模型，将标准图像样本与描述文本样本编码成多模态空间向量；第五获取单元，被配置为将多模态空间向量输入到图像编辑模型中，得到第二隐向量偏值；第六获取单元，被配置为用第二隐向量偏值，对标准隐向量样本集中与标准图像样本对应的标准隐向量样本进行修正，得到目标隐向量样本集；第七获取单元，被配置为将目标隐向量样本集中的目标隐向量样本，输入到图像生成模型中，得到与目标隐向量样本对应的图像；第八获取单元，被配置为将图像输入到预先训练的形状系数生成模型中，得到目标形状系数样本集。
进一步参考图11，作为对上述虚拟形象生成方法的实现，本公开提供了一种虚拟形象生成装置的一个实施例，该装置实施例与图9所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图11所示，本实施例的虚拟形象生成装置1100可以包括第一接收模块1101，第一确定模块1102，第一生成模块1103。其中，第一接收模块1101，被配置为接收虚拟形象生成请求；第一确定模块1102，被配置为基于虚拟形象生成请求确定第一描述文本；第一生成模块1103，被配置为基于第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，生成与第一描述文本对应的虚拟形象。
在本实施例中，虚拟形象生成装置1100：第一接收模块1101，第一确定模块1102，第一生成模块1103的具体处理及其所带来的技术效果可分别参考图9对应实施例中的步骤901-907的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，第一生成模块1103包括：第二编码子模块，被配置为用预先训练的图文匹配模型，将标准图像和第一描述文本，编码成多模态空间向量；第十二获取子模块，被配置为将多模态空间向量输入到预先训练的图像编辑模型中，得到隐向量偏值；第十三获取子模块，被配置为用隐向量偏值对标准图像对应的隐向量进行修正，得到合成隐向量；第十四获取子模块，被配置为将合成隐向量输入到预先训练的虚拟形象生成模型中，得到形状系数；生成子模块，被配置为基于形状系数，生成与第一描述文本对应的虚拟形象。
在本实施例的一些可选实现方式中，虚拟形象生成装置1100还包括：第二接收模块，被配置为接收虚拟形象更新请求；第二确定模块，被配置为基于虚拟形象更新请求，确定原始形状系数和第二描述文本；第五获取模块，被配置为将原始形状系数输入到预先训练的隐向量生成模型中，得到原始形状系数对应的隐向量；第六获取模块，被配置为将原始形状系数对应的隐向量输入到预先训练的图像生成模型中，得到原始形状系数对应的原始图像；第二生成模块，被配置为基于第二描述文本、原始图像和预先训练的虚拟形象生成模型，生成更新后的虚拟形象。
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12示出了可以用来实施本公开的实施例的示例电子设备1200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/或者要求的本公开的实现。
如图12所示，设备1200包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200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1201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1201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1201执行上文所描述的各个方法和处理，例如虚拟形象生成模型的训练方法或虚拟形象生成方法。例如，在一些实施例中，虚拟形象生成模型的训练方法或虚拟形象生成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1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的虚拟形象生成模型的训练方法或虚拟形象生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行虚拟形象生成模型的训练方法或虚拟形象生成方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(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***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(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***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***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***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***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。服务器可以为分布式***的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式***的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
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，本发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。

Claims (27)

1.一种虚拟形象生成模型的训练方法，包括：
获取标准图像样本集、描述文本样本集和随机向量样本集，其中，所述描述文本样本集中的描述文本，是用于描述目标虚拟形象的特征的文本；
将所述标准图像样本集和所述随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型，其中，所述随机向量样本集中的随机向量样本作为所述第一初始模型的输入，所述第一初始模型的输出与所述标准图像样本集中的标准图像进行比较；
基于所述随机向量样本集和所述图像生成模型，得到测试隐向量样本集和测试图像样本集；
将所述测试隐向量样本集和所述测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型，其中，所述测试图像样本集中的测试图像样本作为所述第二初始模型的输入，所述第二初始模型的输出与所述测试隐向量样本集中的测试隐向量进行比较；
将所述标准图像样本集和所述描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；
基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，用所述第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
2.根据权利要求1所述的方法，还包括：
将所述标准图像样本集中的标准图像样本，输入到预先训练的形状系数生成模型中，得到形状系数样本集；
将所述标准图像样本集中的标准图像样本，输入到所述图像编码模型中，得到标准隐向量样本集；
将所述形状系数样本集和所述标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。
3.根据权利要求1所述的方法，其中，所述将所述标准图像样本集和所述随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型包括：
将所述随机向量样本集中的随机向量样本输入到所述第一初始模型的转换网络中，得到第一初始隐向量；
将所述第一初始隐向量输入到所述第一初始模型的生成网络中，得到初始图像；
基于所述初始图像和所述标准图像样本集中的标准图像，得到第一损失值；
响应于所述第一损失值小于预先设置的第一损失阈值，将所述第一初始模型确定为所述图像生成模型；
响应于所述第一损失值大于等于所述第一损失阈值，调整所述第一初始模型的参数，继续训练所述第一初始模型。
4.根据权利要求3所述的方法，其中，所述基于所述随机向量样本集和所述图像生成模型，得到测试隐向量样本集和测试图像样本集包括：
将所述随机向量样本集中的随机向量样本，输入到所述图像生成模型的转换网络中，得到所述测试隐向量样本集；
将所述测试隐向量样本集中的测试隐向量样本，输入到所述图像生成模型的生成网络中，得到所述测试图像样本集。
5.根据权利要求4所述的方法，其中，所述将所述测试隐向量样本集和所述测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型包括：
将所述测试图像样本集中的测试图像样本，输入到所述第二初始模型中，得到第二初始隐向量；
基于所述第二初始隐向量，和所述测试隐向量样本集中与所述测试图像样本对应的测试隐向量样本，得到第二损失值；
响应于所述第二损失值小于预先设置的第二损失阈值，将所述第二初始模型确定为所述图像编码模型；
响应于所述第二损失值大于等于所述第二损失阈值，调整所述第二初始模型的参数，继续训练所述第二初始模型。
6.根据权利要求2所述的方法，其中，所述将所述标准图像样本集和所述描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型包括：
用预先训练的图文匹配模型，将所述标准图像样本集中的标准图像样本，和所述描述文本样本集中的描述文本样本，编码成初始多模态空间向量；
将所述初始多模态空间向量输入到所述第三初始模型中，基于所述图像生成模型和所述标准隐向量样本集中的标准隐向量样本，得到合成图像和合成隐向量；
基于所述预先训练的图文匹配模型，计算所述合成图像与所述描述文本样本的匹配度；
响应于所述匹配度大于预先设置的匹配阈值，将所述第三初始模型确定为所述图像编辑模型；
响应于所述匹配度小于等于所述匹配阈值，基于所述合成图像与所述描述文本样本得到更新多模态空间向量，将所述更新多模态空间向量作为所述初始多模态空间向量，将所述合成隐向量作为所述标准隐向量样本，调整所述第三初始模型的参数，继续训练所述第三初始模型。
7.根据权利要求6所述的方法，其中，所述将所述初始多模态空间向量输入到所述第三初始模型中，基于所述图像生成模型和所述标准隐向量样本集中的标准隐向量样本，得到合成图像和合成隐向量包括：
将所述初始多模态空间向量输入到所述第三初始模型中，得到第一隐向量偏值；
用所述第一隐向量偏值对所述标准隐向量样本进行修正，得到所述合成隐向量；
将所述合成隐向量输入到所述图像生成模型中，得到所述合成图像。
8.根据权利要求1所述的方法，其中，所述基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，用所述第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型包括：
将所述标准图像样本集中的标准图像样本和所述描述文本样本集中的描述文本样本作为输入数据，基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，得到目标形状系数样本集和目标隐向量样本集；
将所述目标隐向量样本集中的目标隐向量样本，输入到所述第四初始模型中，得到测试形状系数；
基于所述目标形状系数样本集中与所述目标隐向量样本对应的目标形状系数样本，和所述测试形状系数，得到第三损失值；
响应于所述第三损失值小于预先设置的第三损失阈值，将所述第四初始模型确定为所述虚拟形象生成模型；
响应于所述第三损失值大于等于所述第三损失阈值，调整所述第四初始模型的参数，继续训练所述第四初始模型。
9.根据权利要求8所述的方法，其中，所述将所述标准图像样本集中的标准图像样本和所述描述文本样本集中的描述文本样本作为输入数据，基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，得到目标形状系数样本集和目标隐向量样本集包括：
将所述标准图像样本输入到所述图像编码模型中，得到标准隐向量样本集；
用预先训练的图文匹配模型，将所述标准图像样本与所述描述文本样本编码成多模态空间向量；
将所述多模态空间向量输入到所述图像编辑模型中，得到第二隐向量偏值；
用所述第二隐向量偏值，对所述标准隐向量样本集中与所述标准图像样本对应的标准隐向量样本进行修正，得到所述目标隐向量样本集；
将所述目标隐向量样本集中的目标隐向量样本，输入到所述图像生成模型中，得到与所述目标隐向量样本对应的图像；
将所述图像输入到预先训练的形状系数生成模型中，得到所述目标形状系数样本集。
10.一种虚拟形象生成方法，包括：
接收虚拟形象生成请求；
基于所述虚拟形象生成请求确定第一描述文本；
基于所述第一描述文本、预先设置的标准图像和根据权利要求1-9任一项得到的预先训练的虚拟形象生成模型，生成与所述第一描述文本对应的虚拟形象。
11.根据权利要求10所述的方法，其中，所述基于所述第一描述文本、预先设置的标准图像和预先训练的虚拟形象生成模型，得到与所述第一描述文本对应的虚拟形象包括：
用预先训练的图文匹配模型，将所述标准图像和所述第一描述文本，编码成多模态空间向量；
将所述多模态空间向量输入到预先训练的图像编辑模型中，得到隐向量偏值；
用所述隐向量偏值对所述标准图像对应的隐向量进行修正，得到合成隐向量；
将所述合成隐向量输入到所述预先训练的虚拟形象生成模型中，得到形状系数；
基于所述形状系数，生成与所述第一描述文本对应的虚拟形象。
12.根据权利要求11所述的方法，还包括：
接收虚拟形象更新请求；
基于所述虚拟形象更新请求，确定原始形状系数和第二描述文本；
将所述原始形状系数输入到预先训练的隐向量生成模型中，得到所述原始形状系数对应的隐向量；
将所述原始形状系数对应的隐向量输入到预先训练的图像生成模型中，得到所述原始形状系数对应的原始图像；
基于所述第二描述文本、所述原始图像和所述预先训练的虚拟形象生成模型，生成更新后的虚拟形象。
13.一种虚拟形象生成模型的训练装置，所述装置包括：
第一获取模块，被配置为获取标准图像样本集、描述文本样本集和随机向量样本集，其中，所述描述文本样本集中的描述文本，是用于描述目标虚拟形象的特征的文本；
第一训练模块，被配置为将所述标准图像样本集和所述随机向量样本集作为第一样本数据，对第一初始模型进行训练，得到图像生成模型，其中，所述随机向量样本集中的随机向量样本作为所述第一初始模型的输入，所述第一初始模型的输出与所述标准图像样本集中的标准图像进行比较；
第二获取模块，被配置为基于所述随机向量样本集和所述图像生成模型，得到测试隐向量样本集和测试图像样本集；
第二训练模块，被配置为将所述测试隐向量样本集和所述测试图像样本集作为第二样本数据，对第二初始模型进行训练，得到图像编码模型，其中，所述测试图像样本集中的测试图像样本作为所述第二初始模型的输入，所述第二初始模型的输出与所述测试隐向量样本集中的测试隐向量进行比较；
第三训练模块，被配置为将所述标准图像样本集和所述描述文本样本集作为第三样本数据，对第三初始模型进行训练，得到图像编辑模型；
第四训练模块，被配置为基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，用所述第三样本数据对第四初始模型进行训练，得到虚拟形象生成模型。
14.根据权利要求13所述的装置，所述装置还包括：
第三获取模块，被配置为将所述标准图像样本集中的标准图像样本，输入到预先训练的形状系数生成模型中，得到形状系数样本集；
第四获取模块，被配置为将所述标准图像样本集中的标准图像样本，输入到所述图像编码模型中，得到标准隐向量样本集；
第五训练模块，被配置为将所述形状系数样本集和所述标准隐向量样本集作为第四样本数据，对第五初始模型进行训练，得到隐向量生成模型。
15.根据权利要求13所述的装置，其中，所述第一训练模块包括：
第一获取子模块，被配置为将所述随机向量样本集中的随机向量样本输入到所述第一初始模型的转换网络中，得到第一初始隐向量；
第二获取子模块，被配置为将所述第一初始隐向量输入到所述第一初始模型的生成网络中，得到初始图像；
第三获取子模块，被配置为基于所述初始图像和所述标准图像样本集中的标准图像，得到第一损失值；
第一判断子模块，被配置为响应于所述第一损失值小于预先设置的第一损失阈值，将所述第一初始模型确定为所述图像生成模型；
第二判断子模块，被配置为响应于所述第一损失值大于等于所述第一损失阈值，调整所述第一初始模型的参数，继续训练所述第一初始模型。
16.根据权利要求15所述的装置，其中，所述第二获取模块包括：
第四获取子模块，被配置为将所述随机向量样本集中的随机向量样本，输入到所述图像生成模型的转换网络中，得到所述测试隐向量样本集；
第五获取子模块，被配置为将所述测试隐向量样本集中的测试隐向量样本，输入到所述图像生成模型的生成网络中，得到所述测试图像样本集。
17.根据权利要求16所述的装置，其中，所述第二训练模块包括：
第六获取子模块，被配置为将所述测试图像样本集中的测试图像样本，输入到所述第二初始模型中，得到第二初始隐向量；
第七获取子模块，被配置为基于所述第二初始隐向量，和所述测试隐向量样本集中与所述测试图像样本对应的测试隐向量样本，得到第二损失值；
第三判断子模块，被配置为响应于所述第二损失值小于预先设置的第二损失阈值，将所述第二初始模型确定为所述图像编码模型；
第四判断子模块，被配置为响应于所述第二损失值大于等于所述第二损失阈值，调整所述第二初始模型的参数，继续训练所述第二初始模型。
18.根据权利要求14所述的装置，其中，所述第三训练模块包括：
第一编码子模块，被配置为用预先训练的图文匹配模型，将所述标准图像样本集中的标准图像样本，和所述描述文本样本集中的描述文本样本，编码成初始多模态空间向量；
第八获取子模块，被配置为将所述初始多模态空间向量输入到所述第三初始模型中，基于所述图像生成模型和所述标准隐向量样本集中的标准隐向量样本，得到合成图像和合成隐向量；
计算子模块，被配置为基于所述预先训练的图文匹配模型，计算所述合成图像与所述描述文本样本的匹配度；
第五判断子模块，被配置为响应于所述匹配度大于预先设置的匹配阈值，将所述第三初始模型确定为所述图像编辑模型；
第六判断子模块，被配置为响应于所述匹配度小于等于所述匹配阈值，基于所述合成图像与所述描述文本样本得到更新多模态空间向量，将所述更新多模态空间向量作为所述初始多模态空间向量，将所述合成隐向量作为所述标准隐向量样本，调整所述第三初始模型的参数，继续训练所述第三初始模型。
19.根据权利要求18所述的装置，其中，所述第八获取子模块包括：
第一获取单元，被配置为将所述初始多模态空间向量输入到所述第三初始模型中，得到第一隐向量偏值；
第二获取单元，被配置为用所述第一隐向量偏值对所述标准隐向量样本进行修正，得到所述合成隐向量；
第三获取单元，被配置为将所述合成隐向量输入到所述图像生成模型中，得到所述合成图像。
20.根据权利要求13所述的装置，其中，所述第四训练模块包括：
第九获取子模块，被配置为将所述标准图像样本集中的标准图像样本和所述描述文本样本集中的描述文本样本作为输入数据，基于所述图像生成模型、所述图像编码模型和所述图像编辑模型，得到目标形状系数样本集和目标隐向量样本集；
第十获取子模块，被配置为将所述目标隐向量样本集中的目标隐向量样本，输入到所述第四初始模型中，得到测试形状系数；
第十一获取子模块，被配置为基于所述目标形状系数样本集中与所述目标隐向量样本对应的目标形状系数样本，和所述测试形状系数，得到第三损失值；
第七判断子模块，被配置为响应于所述第三损失值小于预先设置的第三损失阈值，将所述第四初始模型确定为所述虚拟形象生成模型；
第八判断子模块，被配置为响应于所述第三损失值大于等于所述第三损失阈值，调整所述第四初始模型的参数，继续训练所述第四初始模型。
21.根据权利要求20所述的装置，其中，所述第九获取子模块包括：
第四获取单元，被配置为将所述标准图像样本输入到所述图像编码模型中，得到标准隐向量样本集；
编码单元，被配置为用预先训练的图文匹配模型，将所述标准图像样本与所述描述文本样本编码成多模态空间向量；
第五获取单元，被配置为将所述多模态空间向量输入到所述图像编辑模型中，得到第二隐向量偏值；
第六获取单元，被配置为用所述第二隐向量偏值，对所述标准隐向量样本集中与所述标准图像样本对应的标准隐向量样本进行修正，得到所述目标隐向量样本集；
第七获取单元，被配置为将所述目标隐向量样本集中的目标隐向量样本，输入到所述图像生成模型中，得到与所述目标隐向量样本对应的图像；
第八获取单元，被配置为将所述图像输入到预先训练的形状系数生成模型中，得到所述目标形状系数样本集。
22.一种虚拟形象生成装置，所述装置包括：
第一接收模块，被配置为接收虚拟形象生成请求；
第一确定模块，被配置为基于所述虚拟形象生成请求确定第一描述文本；
第一生成模块，被配置为基于所述第一描述文本、预先设置的标准图像和根据权利要求13-21任一项得到的预先训练的虚拟形象生成模型，生成与所述第一描述文本对应的虚拟形象。
23.根据权利要求22所述的装置，其中，所述第一生成模块包括：
第二编码子模块，被配置为用预先训练的图文匹配模型，将所述标准图像和所述第一描述文本，编码成多模态空间向量；
第十二获取子模块，被配置为将所述多模态空间向量输入到预先训练的图像编辑模型中，得到隐向量偏值；
第十三获取子模块，被配置为用所述隐向量偏值对所述标准图像对应的隐向量进行修正，得到合成隐向量；
第十四获取子模块，被配置为将所述合成隐向量输入到所述预先训练的虚拟形象生成模型中，得到形状系数；
生成子模块，被配置为基于所述形状系数，生成与所述第一描述文本对应的虚拟形象。
24.根据权利要求23所述的装置，所述装置还包括：
第二接收模块，被配置为接收虚拟形象更新请求；
第二确定模块，被配置为基于所述虚拟形象更新请求，确定原始形状系数和第二描述文本；
第五获取模块，被配置为将所述原始形状系数输入到预先训练的隐向量生成模型中，得到所述原始形状系数对应的隐向量；
第六获取模块，被配置为将所述原始形状系数对应的隐向量输入到预先训练的图像生成模型中，得到所述原始形状系数对应的原始图像；
第二生成模块，被配置为基于所述第二描述文本、所述原始图像和所述预先训练的虚拟形象生成模型，生成更新后的虚拟形象。
25.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。
CN202111488232.2A 2021-12-08 2021-12-08 虚拟形象生成模型的训练方法和虚拟形象生成方法 Active CN114140603B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202111488232.2A CN114140603B (zh) 2021-12-08 2021-12-08 虚拟形象生成模型的训练方法和虚拟形象生成方法
US17/939,301 US20220414959A1 (en) 2021-12-08 2022-09-07 Method for Training Virtual Image Generating Model and Method for Generating Virtual Image
JP2022150818A JP7374274B2 (ja) 2021-12-08 2022-09-22 虚像生成モデルのトレーニング方法および虚像生成方法
KR1020220121186A KR102627802B1 (ko) 2021-12-08 2022-09-23 가상 형상 생성 모델의 트레이닝 방법 및 가상 형상 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111488232.2A CN114140603B (zh) 2021-12-08 2021-12-08 虚拟形象生成模型的训练方法和虚拟形象生成方法

Publications (2)

Publication Number Publication Date
CN114140603A CN114140603A (zh) 2022-03-04
CN114140603B true CN114140603B (zh) 2022-11-11

Family

ID=80384654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111488232.2A Active CN114140603B (zh) 2021-12-08 2021-12-08 虚拟形象生成模型的训练方法和虚拟形象生成方法

Country Status (4)

Country Link
US (1) US20220414959A1 (zh)
JP (1) JP7374274B2 (zh)
KR (1) KR102627802B1 (zh)
CN (1) CN114140603B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612290B (zh) * 2022-03-11 2023-07-21 北京百度网讯科技有限公司 图像编辑模型的训练方法和图像编辑方法
US11762622B1 (en) * 2022-05-16 2023-09-19 Adobe Inc. Interactive remote digital image editing utilizing a scalable containerized architecture
CN114818609B (zh) * 2022-06-29 2022-09-23 阿里巴巴达摩院(杭州)科技有限公司 用于虚拟对象的交互方法、电子设备及计算机存储介质
CN115147526B (zh) * 2022-06-30 2023-09-26 北京百度网讯科技有限公司 服饰生成模型的训练、生成服饰图像的方法和装置
CN115239857B (zh) * 2022-07-05 2023-03-28 阿里巴巴达摩院(杭州)科技有限公司 图像生成方法以及电子设备
US20240112403A1 (en) * 2022-09-30 2024-04-04 Sony Interactive Entertainment LLC Rapid generation of 3d heads with natural language
CN115512166B (zh) * 2022-10-18 2023-05-16 湖北华鑫光电有限公司 镜头的智能化制备方法及其***
CN116030185A (zh) * 2022-12-02 2023-04-28 北京百度网讯科技有限公司 三维发丝生成方法和模型的训练方法
CN115775024B (zh) * 2022-12-09 2024-04-16 支付宝(杭州)信息技术有限公司 虚拟形象模型训练方法及装置
CN116385597B (zh) * 2023-03-03 2024-02-02 阿里巴巴（中国）有限公司 文本配图方法和装置
CN116580212B (zh) * 2023-05-16 2024-02-06 北京百度网讯科技有限公司 图像生成方法、图像生成模型的训练方法、装置和设备
CN116645668B (zh) * 2023-07-21 2023-10-20 腾讯科技（深圳）有限公司 图像生成方法、装置、设备以及存储介质
CN116721221B (zh) * 2023-08-08 2024-01-12 浪潮电子信息产业股份有限公司 基于多模态的三维内容生成方法、装置、设备及存储介质
CN117289791A (zh) * 2023-08-22 2023-12-26 杭州空介视觉科技有限公司 元宇宙人工智能虚拟装备数据生成方法
CN117746214B (zh) * 2024-02-07 2024-05-24 青岛海尔科技有限公司 基于大模型生成图像的文本调整方法、装置、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034397A (zh) * 2018-08-10 2018-12-18 腾讯科技（深圳）有限公司 模型训练方法、装置、计算机设备及存储介质
CN111709470A (zh) * 2020-06-08 2020-09-25 北京百度网讯科技有限公司 图像生成方法、装置、设备及介质
CN112613445A (zh) * 2020-12-29 2021-04-06 深圳威富优房客科技有限公司 人脸图像生成方法、装置、计算机设备和存储介质
CN113688907A (zh) * 2021-08-25 2021-11-23 北京百度网讯科技有限公司 模型训练、视频处理方法，装置，设备以及存储介质
CN113705515A (zh) * 2021-09-03 2021-11-26 北京百度网讯科技有限公司 语义分割模型的训练和高精地图车道线的生成方法和设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10242292B2 (en) * 2017-06-13 2019-03-26 Digital Surgery Limited Surgical simulation for training detection and classification neural networks
US11061943B2 (en) * 2017-12-28 2021-07-13 International Business Machines Corporation Constructing, evaluating, and improving a search string for retrieving images indicating item use
US10929665B2 (en) * 2018-12-21 2021-02-23 Samsung Electronics Co., Ltd. System and method for providing dominant scene classification by semantic segmentation
KR20200094608A (ko) * 2019-01-30 2020-08-07 삼성전자주식회사 이미지를 처리하기 위한 방법 및 그에 따른 장치
CN109902678A (zh) * 2019-02-12 2019-06-18 北京奇艺世纪科技有限公司 模型训练方法、文字识别方法、装置、电子设备及计算机可读介质
CN109933677A (zh) * 2019-02-14 2019-06-25 厦门一品威客网络科技股份有限公司 图像生成方法和图像生成***
CN111223040B (zh) * 2020-01-09 2023-04-25 北京市商汤科技开发有限公司 网络训练方法及装置、图像生成方法及装置
CN111461203A (zh) * 2020-03-30 2020-07-28 北京百度网讯科技有限公司 跨模态处理方法、装置、电子设备和计算机存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034397A (zh) * 2018-08-10 2018-12-18 腾讯科技（深圳）有限公司 模型训练方法、装置、计算机设备及存储介质
CN111709470A (zh) * 2020-06-08 2020-09-25 北京百度网讯科技有限公司 图像生成方法、装置、设备及介质
CN112613445A (zh) * 2020-12-29 2021-04-06 深圳威富优房客科技有限公司 人脸图像生成方法、装置、计算机设备和存储介质
CN113688907A (zh) * 2021-08-25 2021-11-23 北京百度网讯科技有限公司 模型训练、视频处理方法，装置，设备以及存储介质
CN113705515A (zh) * 2021-09-03 2021-11-26 北京百度网讯科技有限公司 语义分割模型的训练和高精地图车道线的生成方法和设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Deep Learning-Based Ligand Design Using Shared Latent Implicit Fingerprints from Collaborative Filtering;Raghuram Srinivas 等;《MACHINE LEARNING AND DEEP LEANLENLING》;20210426;2159–2174 *
基于顾客视角的虚拟试衣***发展及对策研究;黎锋 等;《天津纺织科技》;20210428(第2期);23-27 *
视频中的人脸检测与跟踪算法研究;赵曦敏;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20190115;I138-2642 *

Also Published As

Publication number Publication date
KR102627802B1 (ko) 2024-01-23
CN114140603A (zh) 2022-03-04
US20220414959A1 (en) 2022-12-29
KR20220137848A (ko) 2022-10-12
JP2022177218A (ja) 2022-11-30
JP7374274B2 (ja) 2023-11-06

Similar Documents

Publication Publication Date Title
CN114140603B (zh) 虚拟形象生成模型的训练方法和虚拟形象生成方法
CN109255830B (zh) 三维人脸重建方法和装置
CN113643412B (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
CN114612290B (zh) 图像编辑模型的训练方法和图像编辑方法
US20230419592A1 (en) Method and apparatus for training a three-dimensional face reconstruction model and method and apparatus for generating a three-dimensional face image
CN113052962B (zh) 模型训练、信息输出方法，装置，设备以及存储介质
CN116363261B (zh) 图像编辑模型的训练方法、图像编辑方法和装置
CN114723888B (zh) 三维发丝模型生成方法、装置、设备、存储介质及产品
CN113902956B (zh) 融合模型的训练方法、图像融合方法、装置、设备及介质
CN114549710A (zh) 一种虚拟形象的生成方法、装置、电子设备及存储介质
WO2023024287A1 (zh) Rpa结合ai的模型融合结果获取方法、装置及电子设备
CN113177466A (zh) 基于人脸图像的身份识别方法、装置、电子设备及介质
CN115359171B (zh) 虚拟形象处理方法、装置、电子设备和存储介质
US20230177756A1 (en) Method of generating 3d video, method of training model, electronic device, and storage medium
CN115311403B (zh) 深度学习网络的训练方法、虚拟形象生成方法及装置
CN115359166B (zh) 一种图像生成方法、装置、电子设备和介质
CN115906987A (zh) 深度学习模型的训练方法、虚拟形象驱动方法和装置
CN114078184B (zh) 数据处理方法、装置、电子设备和介质
CN115880506A (zh) 图像生成方法、模型的训练方法、装置及电子设备
CN113408304B (zh) 文本翻译方法、装置、电子设备及存储介质
CN114926322A (zh) 图像生成方法、装置、电子设备和存储介质
CN114638919A (zh) 虚拟形象的生成方法、电子设备、程序产品及用户终端
CN114037814B (zh) 数据处理方法、装置、电子设备和介质
CN117011435B (zh) 数字人形象ai生成方法及装置
CN113610992B (zh) 骨骼驱动系数确定方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant