CN115965791A - 图像生成方法、装置及电子设备 - Google Patents

Abstract

本公开提供一种图像生成方法、装置及电子设备，所述方法的一具体实施方式包括：获取参考图像以及第一噪声图像；获取所述参考图像对应的参考特征向量；基于所述参考特征向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像；所述目标图像与所述参考图像具有部分相同的高层语义信息。该实施方式提高了图像的生成效果，为用户提供了更丰富的图像生成途径。

Description

图像生成方法、装置及电子设备

技术领域

本公开涉及图像处理技术领域，特别涉及一种图像生成方法、装置及电子设备。

背景技术

随着人工智能技术在图像领域的应用和发展，图像生成技术应运而生。目前，有大量根据用户需要有目的的生成图像的需求。在相关技术中，一般基于GAN、VAE等技术生成图像，但难以按照用户需求生成图像，并且难以满足一些特殊场景的需要，具有很大的局限性。因此，目前需要一种能够根据用户需求生成图像的方案。

发明内容

本公开提供一种图像生成方法、装置及电子设备。

根据第一方面，提供一种图像生成方法，所述方法包括：

获取参考图像以及第一噪声图像；

获取所述参考图像对应的参考特征向量；

基于所述参考特征向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像；所述目标图像与所述参考图像具有部分相同的高层语义信息。

根据第二方面，提供一种图像生成装置，所述装置包括：

获取模块，用于获取参考图像以及第一噪声图像；

提取模块，用于获取所述参考图像对应的参考特征向量；

处理模块，用于基于所述参考特征向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像；所述目标图像与所述参考图像具有部分相同的高层语义信息。

根据第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。

根据第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面中任一项所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的实施例提供的一种图像生成方法及装置，通过获取参考图像以及第一噪声图像，获取参考图像对应的参考特征向量，并基于参考特征向量对第一噪声图像进行去噪处理，得到对参考图像进行变体后的目标图像，目标图像与参考图像具有部分相同的高层语义信息。由于本实施例将用户输入的参考图像作为图像生成的条件，引导图像的生成，得到与参考图像具有部分相同的高层语义信息的目标图像，从而提高了图像的生成效果，为用户提供了更丰富的图像生成途径。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本公开根据一示例性实施例示出的一种图像生成的场景示意图；

图2是本公开根据一示例性实施例示出的一种图像生成方法的流程图；

图3是本公开根据一示例性实施例示出的一种图像生成的实例示意图；

图4是本公开根据一示例性实施例示出的一种生成方法装置框图；

图5是本公开一些实施例提供的一种电子设备的示意框图；

图6是本公开一些实施例提供的另一种电子设备的示意框图；

图7是本公开一些实施例提供的一种存储介质的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

随着人工智能技术在图像领域的应用和发展，图像生成技术应运而生。目前，有大量根据用户需要有目的的生成图像的需求。在相关技术中，一般基于GAN、VAE等技术生成图像，但难以按照用户需求生成图像，并且难以满足一些特殊场景的需要，具有很大的局限性。例如，当设计师创作出具有自己风格的图像作品之后，想要得到内容、主题、风格类似的系列图像，基于GAN、VAE等技术无法生成理想的系列图像。

本公开提供了一种图像生成方法，可以将用户输入的参考图像作为图像生成的条件，引导图像的生成，得到与参考图像具有部分相同的高层语义信息的目标图像。从而提高了图像的生成效果，为用户提供了更丰富的图像生成途径。

参见图1，为根据一示例性实施例示出的一种图像生成的场景示意图。下面参考图1，对本公开的方案进行示意性说明。

如图1所示，首先，用户可以提供参考图像P，作为引导图像生成的条件。将参考图像P分别输入至模型M11、模型M12……模型M1n中，以分别提取到参考图像P对应的多个不同的高层语义特征向量，该多个高层语义特征向量可以包括向量Rp1、向量Rp2……向量Rpn。可以将该多个高层语义特征向量进行堆叠处理，得到参考向量Rp。需要说明的是，模型M11、模型M12……模型M1n为类型相同但参数不同的模型，这些模型能够针对图像中不同的高层语义提取相应的特征向量。

另外，获取噪声图像S，该噪声图像S可以是随机生成的高斯白噪声图像。将参考向量Rp和噪声图像S一起输入至模型M2中，模型M2可以是预先训练好的扩散模型，模型M2可以根据参考向量Rp对噪声图像S进行一步去噪操作，得到图像S1。图像S1为从噪声图像S中去除小部分噪声而得到的图像，因此，图像S1中仍然包括大量噪声。将图像S1和参考向量Rp再输入至模型M2，模型M2可以根据参考向量Rp对图像S1进行一步去噪操作，得到图像S2。后面相似的过程以此类推，在此不再赘。最后，经过多个模型M2的去噪处理之后，可以得到初始图像A。初始图像A可以是分辨率较低的图像，例如可以是分辨率为64*64的图像。

接着，获取噪声图像B，该噪声图像B也可以是随机生成的高斯白噪声图像。可以先将初始图像A进行上采样，得到分辨率比初始图像A高的图像，然后，将上采样之后得到的图像与噪声图像B进行堆叠处理，得到待处理图像A1。将待处理图像A1输入至模型M31，模型M31可以是用于对图像进行超分处理的扩散模型，模型M31可以对待处理图像A1进行一步去噪操作，得到图像A2。再将图像A2输入至模型M31，模型M31可以对图像A2进行一步去噪操作，得到图像A3。后面相似的过程以此类推，在此不再赘。最后，经过多个模型M31的去噪处理之后，可以得到中间图像C。中间图像C的分辨率比初始图像A的分辨率高，例如中间图像C可以是分辨率为256*256的图像。

最后，获取随机生成的高斯白噪声的噪声图像D。可以先将中间图像C进行上采样，得到分辨率比中间图像C高的图像，然后，将上采样之后得到的图像与噪声图像D进行堆叠处理，得到待处理图像C1。将待处理图像C1输入至模型M32，模型M32也可以是用于对图像进行超分处理的扩散模型，模型M32可以对待处理图像C1进行一步去噪操作，得到图像C2。再将图像C2输入至模型M32，模型M32可以对图像C2进行一步去噪操作，得到图像C3。后面相似的过程以此类推，在此不再赘。最后，经过多个模型M32的去噪处理之后，可以得到目标图像。目标图像的分辨率比中间图像C的分辨率高，例如目标图像可以是分辨率为1024*1024的图像。

需要说明的是，可以对模型M11、模型M12……模型M1n、模型M2、模型M31和模型M32分别训练，也可以一起训练，或者粗略分别训练之后再放一起训练。具体地，可以先获取样本图像，再获取该样本图像对应的匹配图像。例如，可以人工手动绘制或者利用P图软件绘制该样本图像对应的匹配图像。又例如，还可以采用预设的图像处理算法绘制该样本图像对应的匹配图像等。再例如，还可以查找系列图像素材，从中选取样本图像以及匹配图像。可以理解，还可以通过其它任意合理的方式获取该样本图像对应的匹配图像，本实施例对此方面不限定。

然后，按照图1示出的信息流反向对该样本图像进行多步加噪操作，再进行下采样，经过下采样之后再进行多步加噪操作等。每步加噪操作加入少量高斯白噪声，最终得到样本噪声图像。再将样本噪声图像以及该样本图像按照图1示出的信息流向分别输入至相应的待训练模型中，并基于输出结果计算预测损失，根据预测损失调整待训练模型的模型参数，从而完成对模型的训练。

下面将结合具体的实施例对本公开进行详细描述。

图2为根据一示例性实施例示出的一种图像生成方法的流程图。该方法的执行主体可以实现为任何具有计算、处理能力的设备、平台、服务器或设备集群。该方法包括以下步骤：

如图2所示，在步骤201中，获取参考图像和第一噪声图像。

在本实施例中，第一噪声图像可以是采用高斯白噪声随机生成的图像，本实施例对第一噪声图像的具体生成方式方面不限定。参考图像可以是用户提供的对照图像，可以对照参考图像的部分高层语义信息生成目标图像。例如，用户可以预先创作一幅猫咪玩球的图像，将该图像作为参考图像，以生成一系列和猫咪玩球相关的变体图像，变体图像中猫咪玩球的姿态可以不同。

在步骤202中，获取参考图像对应的参考特征向量。

在一种实现方式中，可以利用一个预先训练的第一模型提取参考图像对应的高层语义特征向量，作为参考特征向量。其中，第一模型可以是能够针对图像中的高层语义提取特征的模型，例如第一模型可以是clip模型。在另一种实现方式中，还可以利用多个不同的第一模型分别提取参考图像对应的多个不同的高层语义特征向量，并将该多个不同的高层语义特征向量进行堆叠(concat)处理，得到参考特征向量。其中，多个不同的第一模型能够针对图像中不同的高层语义提取相应的特征向量。由于本实现方式中，采用多个不同的第一模型提取参考图像对应的多个不同的高层语义特征向量，并将该多个不同的高层语义特征向量进行堆叠处理，从而提高了对参考图像风格内容提取的效果，使得生成的目标图像和参考图像的高层语义的关联性更强。

在步骤203中，基于参考特征向量对第一噪声图像进行去噪处理，得到参考图像变体后的目标图像，目标图像与参考图像具有部分相同的高层语义信息。

在本实施例中，可以基于上述参考特征向量，按照参考图像的高层语义特征对噪声图像进行去噪处理，得到目标图像。如图3所示，参考图像301可以是用户提供的素材图像，图像内容具体为江面上的一座桥。根据参考图像301对不同的噪声图像进行去噪处理，可以得到的不同的目标图像。例如，根据参考图像301对噪声图像302进行去噪处理，可以得到的目标图像303。根据参考图像301对噪声图像304进行去噪处理，可以得到的目标图像305。其中，噪声图像302和噪声图像304均为随机生成的高斯白噪声。

具体来说，在一种实现方式中，可以采用机器学习的模型或者预设算法，基于参考特征向量对第一噪声图像进行一步去噪处理，得到目标图像。在另一种实现方式中，还可以基于参考特征向量，利用预先训练的第二模型，通过多步去噪操作，对第一噪声图像进行去噪处理，得到目标图像，该第二模型可以是扩散模型。

在又一种实现方式中，还可以基于参考特征向量，利用第二模型执行多步去噪操作，以对第一噪声图像进行去噪处理，得到分辨率较低的初始图像。再利用至少一个第三模型对初始图像进行超分处理，得到分辨率较高的目标图像，该第三模型也可以是扩散模型。

具体地，一方面，利用第二模型执行多步操作中任意一步去噪操作可以包括以下操作：首先，确定待去噪图像，其中，若该去噪操作为首步去噪操作，待去噪图像为第一噪声图像。若该去噪操作为非首步去噪操作，待去噪图像为上步去噪操作的处理结果。

然后，确定该去噪操作对应的时序向量，并利用第二模型，基于该参考特征向量和该时序向量对待去噪图像进行去噪。其中，该时序向量(如time embedding)可以是能够表征该去噪操作在上述多步去噪操作中的时序的向量。例如，该去噪操作是上述多步去噪操作中的第n步操作，则该去噪操作对应的时序向量是能够表征第n步的向量。

具体来说，可以将参考特征向量与时序向量进行合并(例如相加)，得到条件向量，采用第二模型，根据该条件向量对待去噪图像进行去噪。需要说明的是，除了参考特征向量之外，还可以将其它特征向量和参考特征向量一起与时序向量合并，得到条件向量，本实施例对此方面不限定。其中，第二模型可以包括多个网络层，多个网络层中包括至少一个第一网络层。可以采用交叉注意力机制将该条件向量与各个第一网络层输出的隐变量进行融合，并将融合之后得到的融合向量输入至该第一网络层之后的网络层。其中，第一网络层可以是多个网络层中的任意一个或多个网络层。由于本实施例中采用交叉注意力机制将该条件向量与网络层输出的隐变量进行融合，从而不仅提高了第二模型生成图像的能力，而且减小了计算资源的消耗，提高了图像生成的效率。

另一方面，可以通过如下方式利用至少一个第三模型对初始图像进行超分处理：首先，可以获取第二噪声图像，将初始图像进行上采样处理，并将经过上采样处理后得到的图像和第二噪声图像进行堆叠(concat)处理，得到待处理图像。其中，待处理图像的通道数为经过上采样处理后得到的图像和第二噪声图像的通道数之和。例如经过上采样处理后得到的图像的通道数为三，第二噪声图像的通道数为三，则待处理图像的通道数为6。

接着，再利用至少一个第三模型对待处理图像进行去噪处理，得到目标图像。具体地，可以先利用一个第三模型对待处理图像进行多步去噪处理，得到中间图像，该中间图像的分辨率高于初始图像的分辨率。再将中间图像进行上采样处理，并将经过上采样处理后得到的图像和第三噪声图像进行堆叠(concat)处理。再利用另外一个第三模型对堆叠处理之后得到的图像进行多步去噪处理，从而得到分辨率高于中间图像的目标图像。

需要说明的是，任一第三模型中可以包括编码器和解码器，编码器和解码器各自包括多个卷积层。在利用该第三模型进行去噪处理的过程中，需要利用编码器针对特征图像进行下采样操作，并利用编码器包括的卷积层针对特征图像进行卷积操作，以及利用解码器针对特征图像进行上采样操作，并利用解码器包括的卷积层针对特征图像进行卷积操作。其中，在利用编码器对特征图像进行处理的过程中，可以先执行下采样操作，再执行卷积操作。在利用解码器对特征图像进行处理的过程中，可以先执行卷积操作，再执行上采样操作。如此可以减小卷积操作过程中的计算量，降低计算资源的消耗，提高了图像的生成效率。

另外，任一第三模型可以包括多个残差块，可以利用较少数量的残差块处理分辨率较高的特征图像，利用较多数量的残差块处理分辨率较低的特征图像，从而减小计算资源的消耗。

对于本实施例，一种具体的应用场景可以为，在平面设计或者投放广告时，需要引用大量图像素材。用户可以提供预先选取或者创作的一幅参考图像，然后围绕该参考图像生成一系列内容、主题、风格相似的素材图像，使得素材图像更加丰富。

另一种具体的应用场景可以为，创作者可以先创作一幅图像作品，然后利用本公开提供的方案生成一系列和原始创作内容、主题、风格相似的相关图像。创作者可以从中选取部分图像进行再创作，从而获得更好的作品。

本实施例并不限于上述的应用场景，还可以应用到其他场景中。本公开提供的一种图像生成方法，通过获取参考图像以及第一噪声图像，获取参考图像对应的参考特征向量，并基于参考特征向量和第一噪声图像生成目标图像，目标图像与参考图像具有部分相同的高层特征。由于本实施例将用户输入的参考图像作为图像生成的条件，引导图像的生成，得到与参考图像具有部分相同的高层语义信息的目标图像，从而提高了图像的生成效果，为用户提供了更丰富的图像生成途径。

应当注意，尽管在上述实施例中，以特定顺序描述了本公开实施例的方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

与前述图像生成方法实施例相对应，本公开还提供了图像生成装置的实施例。

如图4所示，图4是本公开根据一示例性实施例示出的一种图像生成装置的框图，该装置可以包括：获取模块401，提取模块402和处理模块403。

其中，获取模块401，用于获取参考图像以及第一噪声图像。

提取模块402，用于获取参考图像对应的参考特征向量。

处理模块403，用于基于参考特征向量对第一噪声图像进行去噪处理，得到参考图像变体后的目标图像，目标图像与参考图像具有部分相同的高层语义信息。

在一些实施方式中，提取模块402可以包括：提取子模块和堆叠子模块(图中未示出)。

其中，提取子模块，用于利用多个不同的第一模型获取参考图像对应的多个不同的高层语义特征向量。

堆叠子模块，用于将多个不同的高层语义特征向量进行堆叠处理，得到参考特征向量。

在另一些实施方式中，处理模块403可以包括：处理子模块和超分子模块(图中未示出)。

其中，处理子模块，用于基于参考特征向量和第一噪声图像，利用第二模型执行多步去噪操作，以对第一噪声图像进行去噪处理，得到初始图像。

超分子模块，用于利用至少一个第三模型对初始图像进行超分处理，得到目标图像，目标图像的分辨率高于初始图像的分辨率。

在另一些实施方式中，处理子模块可以通过如下方式利用第二模型执行多步操作中任意一步去噪操作：确定待去噪图像，若该去噪操作为首步去噪操作，则待去噪图像为第一噪声图像，若该去噪操作为非首步去噪操作，则待去噪图像为上步去噪操作的处理结果。确定该去噪操作对应的时序向量，利用第二模型，基于参考特征向量和时序向量对待去噪图像进行去噪。

在另一些实施方式中，处理子模块通过如下方式利用第二模型，基于参考特征向量和时序向量对待去噪图像进行去噪：至少基于参考特征向量与时序向量，得到条件向量，并采用第二模型，根据条件向量对待去噪图像进行去噪。

在另一些实施方式中，第二模型包括多个网络层，多个网络层包括至少一个第一网络层。其中，处理子模块通过如下方式采用第二模型，根据条件向量对待去噪图像进行去噪：采用交叉注意力机制将条件向量与各个第一网络层输出的隐变量进行融合，并将融合之后得到的融合向量输入至该第一网络层之后的网络层。

在另一些实施方式中，所述超分子模块被配置用于：获取第二噪声图像，将初始图像进行上采样，并与第二噪声图像进行堆叠，得到待处理图像。利用至少一个第三模型对待处理图像进行去噪处理，得到目标图像。

在另一些实施方式中，任一第三模型包括编码器和解码器，编码器和解码器各自包括多个卷积层。其中，利用该第三模型进行去噪处理的过程中包括，在利用编码器包括的卷积层进行卷积操作之前，执行下采样操作，，在利用解码器包括的卷积层进行卷积操作之后，执行上采样操作。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

图5为本公开一些实施例提供的一种电子设备的示意框图。如图5所示，该电子设备910包括处理器911和存储器912，可以用于实现客户端或服务器。存储器912用于非瞬时性地存储有计算机可执行指令(例如一个或多个计算机程序模块)。处理器911用于运行该计算机可执行指令，该计算机可执行指令被处理器911运行时可以执行上文所述的图像生成方法中的一个或多个步骤，进而实现上文所述的图像生成方法。存储器912和处理器911可以通过总线***和/或其它形式的连接机构(未示出)互连。

例如，处理器911可以是中央处理单元(CPU)、图形处理单元(GPU)或者具有数据处理能力和/或程序执行能力的其它形式的处理单元。例如，中央处理单元(CPU)可以为X86或ARM架构等。处理器911可以为通用处理器或专用处理器，可以控制电子设备910中的其它组件以执行期望的功能。

例如，存储器912可以包括一个或多个计算机程序产品的任意组合，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序模块，处理器911可以运行一个或多个计算机程序模块，以实现电子设备910的各种功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据以及应用程序使用和/或产生的各种数据等。

需要说明的是，本公开的实施例中，电子设备910的具体功能和技术效果可以参考上文中关于图像生成方法的描述，此处不再赘述。

图6为本公开一些实施例提供的另一种电子设备的示意框图。该电子设备920例如适于用来实施本公开实施例提供的图像生成方法。电子设备920可以是终端设备等，可以用于实现客户端或服务器。电子设备920可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。需要注意的是，图6示出的电子设备920仅仅是一个示例，其不会对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备920可以包括处理装置(例如中央处理器、图形处理器等)921，其可以根据存储在只读存储器(ROM)922中的程序或者从存储装置928加载到随机访问存储器(RAM)923中的程序而执行各种适当的动作和处理。在RAM 923中，还存储有电子设备920操作所需的各种程序和数据。处理装置921、ROM 922以及RAM 923通过总线924彼此相连。输入/输出(I/O)接口925也连接至总线924。

通常，以下装置可以连接至I/O接口925：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置926；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置927；包括例如磁带、硬盘等的存储装置928；以及通信装置929。通信装置929可以允许电子设备920与其他电子设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备920，但应理解的是，并不要求实施或具备所有示出的装置，电子设备920可以替代地实施或具备更多或更少的装置。

例如，根据本公开的实施例，上述图像生成方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包括用于执行上述图像生成方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置929从网络上被下载和安装，或者从存储装置928安装，或者从ROM922安装。在该计算机程序被处理装置921执行时，可以实现本公开实施例提供的图像生成方法中限定的功能。

图7为本公开一些实施例提供的一种存储介质的示意图。例如，如图7所示，存储介质930可以为非暂时性计算机可读存储介质，用于存储非暂时性计算机可执行指令931。当非暂时性计算机可执行指令931由处理器执行时可以实现本公开实施例所述的图像生成方法，例如，当非暂时性计算机可执行指令931由处理器执行时，可以执行根据上文所述的图像生成方法中的一个或多个步骤。

例如，该存储介质930可以应用于上述电子设备中，例如，该存储介质930可以包括电子设备中的存储器。

例如，存储介质可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、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)、便携式紧致盘只读存储器(CD-ROM)、闪存、或者上述存储介质的任意组合，也可以为其他适用的存储介质。

例如，关于存储介质930的说明可以参考电子设备的实施例中对于存储器的描述，重复之处不再赘述。存储介质930的具体功能和技术效果可以参考上文中关于图像生成方法的描述，此处不再赘述。

需要说明的是，在本公开的上下文中，计算机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。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是，但不限于：电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种图像生成方法，所述方法包括：

获取参考图像以及第一噪声图像；

获取所述参考图像对应的参考特征向量；

基于所述参考特征向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像；所述目标图像与所述参考图像具有部分相同的高层语义信息。

2.根据权利要求1所述的方法，所述获取所述参考图像对应的参考特征向量，包括：

利用多个不同的第一模型获取所述参考图像对应的多个不同的高层语义特征向量；

将所述多个不同的高层语义特征向量进行堆叠处理，得到所述参考特征向量。

3.根据权利要求1所述的方法，其中，所述基于所述参考向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像，包括：

基于所述参考特征向量，利用第二模型执行多步去噪操作，得到初始图像；

利用至少一个第三模型对所述初始图像进行超分处理，得到所述目标图像；所述目标图像的分辨率高于所述初始图像的分辨率。

4.根据权利要求3所述的方法，其中，所述利用第二模型执行多步去噪操作中任意一步去噪操作包括：

确定待去噪图像；若该去噪操作为首步去噪操作，所述待去噪图像为所述第一噪声图像；若该去噪操作为非首步去噪操作，所述待去噪图像为上步去噪操作的处理结果；

确定该去噪操作对应的时序向量；

利用所述第二模型，基于所述参考特征向量和所述时序向量对所述待去噪图像进行去噪。

5.根据权利要求4所述的方法，其中，所述利用所述第二模型，基于所述参考特征向量和所述时序向量对所述待去噪图像进行去噪，包括：

至少基于所述参考特征向量与所述时序向量，得到条件向量；

采用所述第二模型，根据所述条件向量对所述待去噪图像进行去噪。

6.根据权利要求5所述的方法，其中，所述第二模型包括多个网络层，所述多个网络层包括至少一个第一网络层；

其中，所述采用所述第二模型，根据所述条件向量对所述待去噪图像进行去噪，包括：

采用交叉注意力机制将所述条件向量与各个第一网络层输出的隐变量进行融合，并将融合之后得到的融合向量输入至该第一网络层之后的网络层。

7.根据权利要求3所述的方法，其中，所述利用至少一个第三模型对所述初始图像进行超分处理，得到所述目标图像，包括：

获取第二噪声图像；

将所述初始图像进行上采样，并与所述第二噪声图像进行堆叠，得到待处理图像；

利用至少一个第三模型对所述待处理图像进行去噪处理，得到所述目标图像。

8.根据权利要求7所述的方法，其中，任一第三模型包括编码器和解码器；所述编码器和所述解码器各自包括多个卷积层；其中，利用该第三模型进行去噪处理的过程中包括，在利用编码器包括的卷积层进行卷积操作之前，执行下采样操作；在利用解码器包括的卷积层进行卷积操作之后，执行上采样操作。

9.一种图像生成装置，所述装置包括：

获取模块，用于获取参考图像以及第一噪声图像；

提取模块，用于获取所述参考图像对应的参考特征向量；

处理模块，用于基于所述参考特征向量对所述第一噪声图像进行去噪处理，得到所述参考图像变体后的目标图像；所述目标图像与所述参考图像具有部分相同的高层语义信息。

10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1-8中任一项所述的方法。

11.一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-8中任一项所述的方法。

Images