CN116306496B - 字符生成方法、字符生成模型的训练方法和装置 - Google Patents

Abstract

本公开提供了一种字符生成方法、字符生成模型的训练方法和装置，涉及人工智能领域，具体为计算机视觉、深度学习等领域，可应用于AIGC等场景。具体实现方案为：获取目标文字图像、第一参考风格字图像和第一噪声；其中，第一噪声用于对目标文字图像进行加噪处理；根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声；以及根据目标噪声，确定与目标文字图像对应的目标风格字图像。

Description

字符生成方法、字符生成模型的训练方法和装置

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉、深度学习等领域，可应用于AIGC(AI Generated Content)等场景。本公开具体涉及一种字符生成方法和装置、一种字符生成模型的训练方法、装置、电子设备、存储介质和计算机程序产品。

背景技术

在一些场景中，可以通过图像风格迁移技术来生成新风格的字符，以便呈现多样化的艺术字风格，提升视觉效果。但是，相关技术在生成新风格的字符时，所生成的字符在字形准确度和字体风格稳定性上存在不足。

发明内容

本公开提供了一种字符生成方法和装置、一种字符生成模型的训练方法、装置、电子设备、存储介质和计算机程序产品。

根据本公开的一方面，提供了一种字符生成方法，包括：获取目标文字图像、第一参考风格字图像和第一噪声；其中，第一噪声用于对目标文字图像进行加噪处理；根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声；以及根据目标噪声，确定与目标文字图像对应的目标风格字图像。

根据本公开的另一方面，提供了一种字符生成模型的训练方法，包括：获取样本风格字图像、样本文字图像和第二参考风格字图像；其中，样本风格字图像的风格类型与第二参考风格字图像的风格类型相同；根据第二噪声和样本风格字图像，确定风格噪声字图像；其中，第二噪声用于对样本风格字图像进行加噪处理；将第二参考风格字图像、样本文字图像和风格噪声字图像输入字符生成模型，得到样本噪声；以及根据样本噪声和第二噪声来调整字符生成模型的参数。

根据本公开的另一方面，提供了一种字符生成装置，包括：第一获取模块，用于获取目标文字图像、第一参考风格字图像和第一噪声；其中，第一噪声用于对目标文字图像进行加噪处理；第一确定模块，用于根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声；以及第二确定模块，用于根据目标噪声，确定与目标文字图像对应的目标风格字图像。

根据本公开的另一方面，提供了一种字符生成模型的训练装置，包括：第二获取模块，用于获取样本风格字图像、样本文字图像和第二参考风格字图像；其中，样本风格字图像的风格类型与第二参考风格字图像的风格类型相同；第三确定模块，用于根据第二噪声和样本风格字图像，确定风格噪声字图像；其中，第二噪声用于对样本风格字图像进行加噪处理；第四确定模块，用于将第二参考风格字图像、样本文字图像和风格噪声字图像输入字符生成模型，得到样本噪声；以及调整模块，用于根据样本噪声和第二噪声来调整字符生成模型的参数。

根据本公开的另一方面，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，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

根据本公开的另一方面，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，该计算机指令用于使计算机执行根据本公开提供的方法。

根据本公开的另一方面，提供了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本公开提供的方法。

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是根据本公开实施例的可以应用字符生成方法和装置、字符生成模型的训练方法和装置的示例性***架构示意图；

图2是根据本公开实施例的字符生成方法的流程图；

图3A是根据本公开实施例的基于多个第一参考风格字图像来生成的目标风格字图像的效果图；

图3B是根据本公开实施例的字符生成方法的示意图；

图4是根据本公开实施例的字符生成模型的训练方法的流程图；

图5是根据本公开实施例的字符生成模型的训练方法的示意图；

图6是根据本公开实施例的字符生成装置的框图；

图7是根据本公开实施例的字符生成模型的训练装置的框图；以及

图8是用来实现本公开实施例的字符生成方法和字符生成模型的训练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。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。

图1是根据本公开的实施例的可以应用字符生成方法和装置、字符生成模型的训练方法和装置的示例性***架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的***架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。

如图1所示，根据该实施例的***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，例如有线和/或无线通信链路等等。

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，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，图像处理类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，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。

服务器105可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式***，还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

例如，服务器105可以通过网络104获取来自终端设备101、102、103的目标文字图像、第一参考风格字图像和第一噪声，基于目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声。然后，根据目标噪声来确定与目标文字图像对应的目标风格字图像。服务器105还可以将目标风格字图像发送给终端设备101、102、103。

需要说明的是，本公开实施例所提供的字符生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的字符生成装置一般可以设置于服务器105中。

备选地，本公开实施例所提供的字符生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的字符生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

备选地，本公开实施例所提供的字符生成方法一般也可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的字符生成装置也可以设置于终端设备101、102、或103中。

需要说明的是，本公开实施例所提供的字符生成模型的训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的字符生成模型的训练装置一般可以设置于服务器105中。本公开实施例所提供的字符生成模型的训练方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的字符生成模型的训练装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

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。

应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。

图2是根据本公开的实施例的字符生成方法的流程图。

如图2所示，字符生成方法200例如可以包括操作S210～S230。

在操作S210，获取目标文字图像、第一参考风格字图像和第一噪声。

在操作S220，根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声。

在操作S230，根据目标噪声，确定与目标文字图像对应的目标风格字图像。

根据本公开的实施例，目标文字图像例如可以是指需要转换为目标字体风格的字符所形成的图像。目标文字图像的数量可以为至少一个。需要说明的是，本公开中所述的字符例如可以包括中文、西文或者数字等字符，本公开对字符的类型不做限定。

目标文字图像中字符的字体风格例如可以是指字符的常规字体，例如中文字符中的黑体、宋体、隶书或楷体等字体，或者西文字符中的新罗马(Times New Roman)字体、Calibri字体等等。

第一参考风格字图像例如可以是指具有目标字体风格的字符所形成的图像。第一参考风格字图像的数量可以为至少一个。第一参考风格字图像中字符的字体风格可以包括相关技术中已有的字体风格或者手写字体风格等。第一参考风格字图像中字符的内容可以与目标文字图像中字符的内容相同，或者不同，这里不做限定。

在本公开实施例中，可以将第一参考风格字图像中字符的字体风格作为参考来调整目标文字图像中字符的字体风格，以实现不同字体风格的转换，增加新风格的字体的数量。

根据本公开的实施例，第一噪声例如可以用于对目标文字图像进行加噪处理。第一噪声可以根据实际需要进行设定，本公开对此不做限定。

在本公开实施例中，通过对目标文字图像进行加噪处理，并结合第一参考风格字图像中字符的字体风格信息，可以得到目标噪声。目标噪声可以表征了将第一参考风格字图像中字符的字体风格迁移到目标文字图像中的字符上之后，风格迁移后的目标文字图像(即目标风格字图像)上产生的噪声大小。

根据目标噪声，可以确定与目标文字图像对应的目标风格字图像。例如，可以根据目标噪声和第一噪声，对风格迁移后的目标文字图像进行去噪处理，从而得到目标风格字图像。目标风格字图像中字符的内容与目标文字图像中字符的内容相同，目标风格字图像中字符的字体风格与第一参考风格字图像中字符的字体风格相同。由此，实现将第一参考风格字图像中字符的字体风格迁移到目标文字图像中。

可以理解，在将第一参考风格字图像中字符的字体风格迁移到目标文字图像的过程中，施加在目标文字图像上的噪声实质上并不会影响字符的风格迁移以及图像中字符的字形。因此，在上述字体风格迁移的过程中，利用噪声来处理目标文字图像，有利于保持字体风格的稳定性和字形准确性。

根据本公开的实施例，通过将第一参考风格字图像中字符的字体风格作为参考来调整目标文字图像中字符的字体风格，并结合噪声来处理目标文字图像，使得目标风格字图像中字符的字形能够与目标文字图像中字符的字形保持一致，且目标风格字图像中字符的字体风格与第一参考风格字图像中字符的字体风格保持一致，从而提高了目标风格字图像中字符的字形准确性和字体风格稳定性。

在一些实施例中，还可以根据多个第一参考风格字图像来生成具有新的字体风格的字符。

例如，可以获取与多个第一参考风格字图像各自对应的融合系数。其中，融合系数可以用于表征第一参考风格字图像在风格融合时的融合程度。之后，根据多个第一参考风格字图像和多个第一参考风格字图像对应的融合系数，确定融合风格特征向量。接下来，可以根据目标文字图像、融合风格特征向量和第一噪声，得到目标噪声。然后，根据目标噪声，确定与目标文字图像对应的目标风格字图像。

首先，可以分别对多个第一参考风格字图像进行特征提取，得到与多个第一参考风格字图像各自对应的参考风格特征向量。然后，基于各个第一参考风格字图像对应的融合系数，将多个第一参考风格字图像对应的参考风格特征向量进行融合，得到融合风格特征向量。

需要说明的是，各个第一参考风格字图像对应的融合系数可以根据实际需要来设定，本公开对此不做限定。例如，在一个示例中，各个第一参考风格字图像对应的融合系数可以相同，或者部分相同，或者彼此完全不同。

接下来，可以基于以上描述的方式，根据目标文字图像、融合风格特征向量和第一噪声，得到目标噪声。然后根据目标噪声和第一噪声，确定与目标文字图像对应的目标风格字图像。这里，目标风格字图像中字符的内容与目标文字图像中字符的内容相同，但是目标风格字图像中字符的字体风格不同于多个第一参考风格字图像中字符的字体风格，而是生成了一种新的字体风格。通过上述方法，可以利用已有的多个字体风格类型来生成新的字体风格类型，从而进一步扩展了字体的风格类型，进而有利于增加新风格的字符的数量。

另外，在获取上述具有新字体风格的目标风格字图像之后，还可以以该目标风格字图像中字符的字体风格作为参考来调整目标文字图像中字符的字体风格，从而增加新风格的字符的数量。

图3A是根据本公开实施例的基于多个第一参考风格字图像来生成的目标风格字图像的效果图。下面参考图3A对本公开的方案进行示例说明。

如图3A所示，针对多个目标文字图像，例如目标文字图像“灌”、“肫”、“灾”、“彀”、“况”、“化”、“瞠”、“逝”等，可以利用多个第一参考风格字图像(例如第一参考风格字图像1～4)和第一噪声来进行字体风格迁移，以得到与多个目标文字图像各自对应的目标风格字图像。其中，上述多个目标文字图像中字符的字体风格例如都可以为黑体(仅为示例)。

需要说明的是，针对多个目标文字图像中的每一个，利用多个第一参考风格字图像和第一噪声来进行字体风格迁移的过程相同。为了便于描述，下面以目标文字图像“灌”为例来说明字体风格迁移过程。另外，为了便于比较字体风格的变化情况，在本公开实施例中，以多个第一参考风格字图像中的字符内容与目标文字图像中的字符内容相同为例进行说明，但本公开不局限于此。

例如，可以获取与多个第一参考风格字图像(例如第一参考风格字图像1～4中的“灌”)各自对应的融合系数。示例性地，第一参考风格字图像1～4中的“灌”对应的融合系数均为0.25。

接下来，根据多个第一参考风格字图像和多个第一参考风格字图像对应的融合系数，确定融合风格特征向量。

例如，分别对4个第一参考风格字图像“灌”进行特征提取，得到与4个第一参考风格字图像“灌”各自对应的参考风格特征向量。然后，基于各个第一参考风格字图像“灌”对应的融合系数，将4个第一参考风格字图像“灌”对应的参考风格特征向量进行融合，得到融合风格特征向量。

接下来，根据目标文字图像“灌”、融合风格特征向量和第一噪声，得到目标噪声。然后根据目标噪声和第一噪声，确定与目标文字图像对应的目标风格字图像(如图3A中所示的目标风格字图像“灌”)。

如图3A所示，通过上述方式得到的目标风格字图像“灌”与目标文字图像“灌”的字符内容相同，但是两者的字体风格是不同的。而且，目标风格字图像“灌”的字体风格与第一参考风格字图像1～4中的字体风格均不相同，也就是说，利用第一参考风格字图像1～4和第一噪声来进行字体风格迁移，生成了一种新的字体风格。

类似地，针对多个目标文字图像中的其他目标文字图像，例如目标文字图像“肫”、“灾”、“彀”、“况”、“化”、“瞠”、“逝”等，也可以采用上述方式生成新的字体风格(如图3A中所示)。

需要说明的是，除了如图3A中所示的中文字符之外，本公开的方案还适用于对其他字体风格的中文字符、西文字符(包括字母和单词)、数字字符和其他合适的字符进行字体风格转换。

在一些实施例中，还可以利用字符生成模型基于目标文字图像、第一参考风格字图像和第一噪声来得到上述目标噪声。

图3B是根据本公开实施例的字符生成方法的示意图。下面参考图3B来说明利用字符生成模型来生成目标噪声的示例过程。

如图3B所述，字符生成模型300例如可以包括风格编码网络310和扩散模型320。

例如，在获取第一噪声301、目标文字图像302和第一参考风格字图像303之后，可以使用风格编码网络310基于第一参考风格字图像，得到第一参考风格特征向量。之后，使用扩散模型320基于目标文字图像302、第一参考风格特征向量和第一噪声301，得到目标噪声304。之后，可以根据目标噪声304来确定与目标文字图像302对应的目标风格字图像305。

在本公开实施例中，上述字符生成模型300是预先训练好的模型，关于字符生成模型300的训练方法将在后续进行说明，这里不再赘述。

根据本公开的实施例，通过利用经训练的字符生成模型来处理得到目标噪声，可以提高目标噪声的输出效率和准确性，从而有利于提高目标风格字图像的准确性和生成效率。

在一些实施例中，可以在根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声之前，对目标文字图像和第一参考风格字图像进行二值化处理。由此，可以去除各个图像中的干扰像素，使得后续处理不再受到其他灰度值的像素值的干扰。

在一些示例中，在根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声之前，还可以将目标文字图像和第一参考风格字图像均缩放到预设尺寸，例如128*128尺寸，由此可以在同一尺度下对图像进行处理。

图4是根据本公开实施例的字符生成模型的训练方法的流程图。

如图4所示，字符生成模型的训练方法400例如可以包括操作S410～S440。

在操作S410，获取样本风格字图像、样本文字图像和第二参考风格字图像。

在操作S420，根据第二噪声和样本风格字图像，确定风格噪声字图像。

在操作S430，将第二参考风格字图像、样本文字图像和风格噪声字图像输入字符生成模型，得到样本噪声。

在操作S440，根据样本噪声和第二噪声来调整字符生成模型的参数。

根据本公开的实施例，样本文字图像例如可以是指需要转换为目标字体风格的字符所形成的图像。样本文字图像的数量可以为至少一个。

样本文字图像中字符的字体风格例如可以是指字符的常规字体，例如中文字符中的黑体、宋体、隶书或楷体等字体，或者西文字符中的新罗马(Times New Roman)字体、Calibri字体等等。

样本风格字图像例如是指具有目标字体风格的字符所形成的图像。样本风格字图像与样本文字图像具有相同的字符内容，字体风格可以相同或者不同。

第二参考风格字图像例如可以是指具有目标字体风格的字符所形成的图像。第二参考风格字图像的数量可以为至少一个。第二参考风格字图像中字符的字体风格可以包括相关技术中已有的字体风格或者手写字体风格等。

第二参考风格字图像的风格类型与样本风格字图像的风格类型相同，即第二参考风格字图像的字体风格与样本风格字图像的字体风格相同。第二参考风格字图像的字符内容与样本风格字图像的字符内容可以不同。

在本公开实施例中，可以将第二参考风格字图像中字符的字体风格作为参考来调整样本文字图像中字符的字体风格，以实现不同字体风格的转换。

根据本公开的实施例，第二噪声可以用于对样本风格字图像进行加噪处理，以得到风格噪声字图像。基于风格噪声字图像来训练字符生成模型，使得字符生成模型获得从噪声中恢复字符信息的能力。这样，在后续应用模型时，即便将风格噪声字图像替换为噪声，也能够基于噪声和参考风格字图像来进行字体风格迁移，生成字形准确、风格稳定的目标风格字图像。在本公开实施例中，第二噪声可以根据实际需要进行设定，本公开对此不做限定。

根据本公开的实施例，通过将第二参考风格字图像中字符的字体风格作为参考来调整样本文字图像中字符的字体风格，并结合样本文字图像和风格噪声字图像来训练字符生成模型，使得经训练的模型能够基于噪声和参考风格字图像来进行字体风格迁移，生成字形准确、风格稳定的目标风格字图像，提高了模型输出的准确性。

根据本公开的实施例，上述字符生成模型例如可以包括风格编码网络和扩散模型。下面参考图5对本公开实施例的字符生成模型的训练方法进行示例说明。

图5是根据本公开实施例的字符生成模型的训练方法的示意图。

如图5所述，字符生成模型500包括风格编码网络510和扩散模型520。

在获取样本风格字图像(例如样本风格字图像“员”)502、样本文字图像(例如样本文字图像“员”)504和第二参考风格字图像(例如第二参考风格字图像“苄”)505之后，可以根据第二噪声501对样本风格字图像502进行加噪处理，得到风格噪声字图像(例如风格噪声字图像“员”)503。

接下来，将第二参考风格字图像505、样本文字图像504和风格噪声字图像503输入字符生成模型500，以得到样本噪声506。

例如，可以使用风格编码网络510对第二参考风格字图像505进行编码处理，得到第二参考风格特征向量。之后，使用扩散模型520基于样本文字图像504、风格噪声字图像503和第二参考风格特征向量，得到样本噪声506。

接下来，根据样本噪声506和第二噪声501来调整字符生成模型300的参数。

例如，根据样本噪声506和第二噪声501，确定噪声损失。示例性地可以利用例如L1损失函数来确定噪声损失，但本公开不以此为限。

之后，根据噪声损失来调整风格编码网络510的参数和扩散模型520的参数，得到经训练的字符生成模型。该经训练的字符生成模型可以用于生成以上所述的目标风格字图像。

需要说明的是，在字符生成模型训练过程中，还可以使用除中文字符之外的字符来训练字符生成模型。例如可以将包括但不限于西文字符(包括字母和单词)或数字字符等各种类型的字符作为样本数据来进行模型训练，以使得训练后的字符生成模型能够实现对这些字符的字体风格转换。

根据本公开的实施例，在根据第二噪声和样本风格字图像，确定风格噪声字图像之前，可以对样本风格字图像、样本文字图像和第二参考风格字图像进行二值化处理。由此，可以去除各个图像中的干扰像素，使得后续处理不再受到其他灰度值的像素值的干扰。

在一些示例中，在根据第二噪声和样本风格字图像，确定风格噪声字图像之前，还可以将样本风格字图像、样本文字图像和第二参考风格字图像均缩放到预设尺寸，例如128*128尺寸，由此可以在同一尺度下对这些图像进行处理。

根据本公开的实施例，本公开中所述的第一噪声和第二噪声例如均可以包括高斯噪声或椒盐噪声。其中，高斯噪声表征了服从均值为0，方差为1的高斯分布所对应的噪声。

图6是根据本公开实施例的字符生成装置的框图。

如图6所示，字符生成装置600包括：第一获取模块610、第一确定模块620和第二确定模块630。

第一获取模块610用于获取目标文字图像、第一参考风格字图像和第一噪声。其中，第一噪声用于对目标文字图像进行加噪处理。

第一确定模块620用于根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声。

第二确定模块630用于根据目标噪声，确定与目标文字图像对应的目标风格字图像；其中，目标风格字图像的风格类型是根据第一参考风格字图像的风格类型来确定的。

根据本公开的实施例，第一参考风格字图像包括多个第一参考风格字图像；第一确定模块620包括：获取单元、融合单元和第一确定单元。获取单元用于获取与多个第一参考风格字图像各自对应的融合系数；其中，融合系数用于表征第一参考风格字图像在风格融合时的融合程度；融合单元用于根据多个第一参考风格字图像和多个第一参考风格字图像对应的融合系数，确定融合风格特征向量；以及第一确定单元用于根据目标文字图像、融合风格特征向量和第一噪声，得到目标噪声。

根据本公开的实施例，第一确定模块620包括：第二确定单元，第二确定单元用于利用字符生成模型基于目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声。

根据本公开的实施例，字符生成模型包括风格编码网络和扩散模型。

根据本公开的实施例，第二确定单元包括：第一确定子单元和第二确定子单元。第一确定子单元用于使用风格编码网络基于第一参考风格字图像，得到第一参考风格特征向量；以及第二确定子单元用于使用扩散模型基于目标文字图像、第一参考风格特征向量和第一噪声，得到目标噪声。

根据本公开的实施例，字符生成装置600还包括：第一处理模块。第一处理模块用于在根据目标文字图像、第一参考风格字图像和第一噪声，得到目标噪声之前，对目标文字图像和第一参考风格字图像进行二值化处理。

根据本公开的实施例，第一噪声包括高斯噪声或椒盐噪声。

图7是根据本公开实施例的字符生成模型的训练装置的框图。

如图7所示，字符生成模型的训练装置700包括：第二获取模块710、第三确定模块720、第四确定模块730和调整模块740。

第二获取模块710用于获取样本风格字图像、样本文字图像和第二参考风格字图像，其中，样本风格字图像的风格类型与第二参考风格字图像的风格类型相同。

第三确定模块720用于根据第二噪声和样本风格字图像，确定风格噪声字图像。其中，第二噪声用于对样本风格字图像进行加噪处理。

第四确定模块730用于将第二参考风格字图像、样本文字图像和风格噪声字图像输入字符生成模型，得到样本噪声。

调整模块740用于根据样本噪声和第二噪声来调整字符生成模型的参数。

根据本公开的实施例，字符生成模型包括风格编码网络和扩散模型。

根据本公开的实施例，第四确定模块730包括：编码单元和第三确定单元。编码单元用于使用风格编码网络对第二参考风格字图像进行编码处理，得到第二参考风格特征向量；以及第三确定单元用于使用扩散模型基于样本文字图像、风格噪声字图像和第二参考风格特征向量，得到样本噪声。

根据本公开的实施例，调整模块740包括：第一调整单元和第二调整单元。第一调整单元用于根据样本噪声和第二噪声，确定噪声损失；以及第二调整单元用于根据噪声损失来调整风格编码网络的参数和扩散模型的参数。

根据本公开的实施例，字符生成模型的训练装置700还包括：第二处理模块。第二处理模块用于在根据第二噪声和样本风格字图像，确定风格噪声字图像之前，对样本风格字图像、样本文字图像和第二参考风格字图像进行二值化处理。

根据本公开的实施例，第二噪声包括高斯噪声或椒盐噪声。

需要说明的是，装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。

本公开的技术方案中，所涉及的数据(例如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，且不违背公序良俗。

在本公开的技术方案中，在获取或采集相关数据之前，均获取了数据归属者的授权或同意。

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。

根据本公开的实施例，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，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例的方法。

根据本公开的实施例，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，计算机指令用于使计算机执行如本公开实施例的方法。

根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例的方法。

图8是用来实现本公开实施例的字符生成方法和字符生成模型的训练方法的电子设备的框图。

图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如字符生成方法和字符生成模型的训练方法。例如，在一些实施例中，字符生成方法和字符生成模型的训练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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述的字符生成方法和字符生成模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行字符生成方法和字符生成模型的训练方法。

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。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

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 (24)

1.一种字符生成方法，包括：

获取目标文字图像、至少一个第一参考风格字图像和第一噪声；其中，所述第一噪声用于对所述目标文字图像进行加噪处理；

根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声，所述目标噪声表征了将至少一个第一参考风格字图像中字符的字体风格迁移到目标文字图像中的字符上之后，风格迁移后的目标文字图像上产生的噪声大小；以及

根据所述目标噪声和所述第一噪声，对风格迁移后的目标文字图像进行去噪处理，确定与所述目标文字图像对应的目标风格字图像；

其中，所述至少一个第一参考风格字图像为多个第一参考风格字图像，所述多个第一参考风格字图像的风格类型不同；所述根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声包括：

获取与多个第一参考风格字图像各自对应的融合系数；其中，所述融合系数用于表征所述第一参考风格字图像在风格融合时的融合程度；

根据所述多个第一参考风格字图像和所述多个第一参考风格字图像对应的融合系数，确定融合风格特征向量；以及

根据所述目标文字图像、所述融合风格特征向量和所述第一噪声，得到所述目标噪声。

2.根据权利要求1所述的方法，其中，所述根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声包括：

利用字符生成模型基于所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到所述目标噪声。

3.根据权利要求2所述的方法，其中，所述字符生成模型包括风格编码网络和扩散模型。

4.根据权利要求3所述的方法，其中，所述利用字符生成模型基于所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到所述目标噪声包括：

使用所述风格编码网络基于所述至少一个第一参考风格字图像，得到至少一个第一参考风格特征向量；以及

使用所述扩散模型基于所述目标文字图像、所述至少一个第一参考风格特征向量和所述第一噪声，得到所述目标噪声。

5.根据权利要求1至4中任一项所述的方法，还包括：

在根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声之前，对所述目标文字图像和所述至少一个第一参考风格字图像进行二值化处理。

6.根据权利要求1至4中任一项所述的方法，其中，所述第一噪声包括高斯噪声或椒盐噪声。

7.根据权利要求6所述的方法，其中，所述高斯噪声表征了服从均值为0，方差为1的高斯分布的噪声。

8.一种字符生成模型的训练方法，包括：

获取样本风格字图像、样本文字图像和第二参考风格字图像；

根据第二噪声和所述样本风格字图像，确定风格噪声字图像；其中，所述第二噪声用于对所述样本风格字图像进行加噪处理；

将所述第二参考风格字图像、所述样本文字图像和所述风格噪声字图像输入字符生成模型，得到样本噪声；以及

根据所述样本噪声和所述第二噪声来调整所述字符生成模型的参数；

其中，所述字符生成模型包括风格编码网络和扩散模型，所述将所述第二参考风格字图像、所述样本文字图像和所述风格噪声字图像输入字符生成模型，得到样本噪声包括：

使用所述风格编码网络对第二参考风格字图像进行编码处理，得到第二参考风格特征向量；以及

使用所述扩散模型基于所述样本文字图像、所述风格噪声字图像和所述第二参考风格特征向量，得到所述样本噪声。

9.根据权利要求8所述的方法，其中，所述根据所述样本噪声和所述第二噪声来调整所述字符生成模型的参数包括：

利用L1损失函数，根据所述样本噪声和所述第二噪声，确定噪声损失；以及

根据所述噪声损失来调整所述风格编码网络的参数和所述扩散模型的参数。

10.根据权利要求8所述的方法，还包括：

在根据第二噪声和所述样本风格字图像，确定风格噪声字图像之前，对所述样本风格字图像、所述样本文字图像和所述第二参考风格字图像进行二值化处理。

11.根据权利要求8所述的方法，其中，所述第二噪声包括高斯噪声或椒盐噪声。

12.一种字符生成装置，包括：

第一获取模块，用于获取目标文字图像、至少一个第一参考风格字图像和第一噪声；其中，所述第一噪声用于对所述目标文字图像进行加噪处理；

第一确定模块，用于根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声，所述目标噪声表征了将至少一个第一参考风格字图像中字符的字体风格迁移到目标文字图像中的字符上之后，风格迁移后的目标文字图像上产生的噪声大小；以及

第二确定模块，用于根据所述目标噪声和所述第一噪声，对风格迁移后的目标文字图像进行去噪处理，确定与所述目标文字图像对应的目标风格字图像；

其中，所述至少一个第一参考风格字图像为多个第一参考风格字图像，所述多个第一参考风格子图像的风格类型不同；所述第一确定模块包括：

获取单元，用于获取与多个第一参考风格字图像各自对应的融合系数；其中，所述融合系数用于表征所述第一参考风格字图像在风格融合时的融合程度；融合单元，用于根据所述多个第一参考风格字图像和所述多个第一参考风格字图像对应的融合系数，确定融合风格特征向量；以及第一确定单元，用于根据所述目标文字图像、所述融合风格特征向量和所述第一噪声，得到所述目标噪声。

13.根据权利要求12所述的装置，其中，所述第一确定模块包括：

第二确定单元，用于利用字符生成模型基于所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到所述目标噪声。

14.根据权利要求13所述的装置，其中，所述字符生成模型包括风格编码网络和扩散模型。

15.根据权利要求14所述的装置，其中，所述第二确定单元包括：

第一确定子单元，用于使用所述风格编码网络基于所述至少一个第一参考风格字图像，得到至少一个第一参考风格特征向量；以及

第二确定子单元，用于使用所述扩散模型基于所述目标文字图像、所述至少一个第一参考风格特征向量和所述第一噪声，得到所述目标噪声。

16.根据权利要求12至15中任一项所述的装置，还包括：

第一处理模块，用于在根据所述目标文字图像、所述至少一个第一参考风格字图像和所述第一噪声，得到目标噪声之前，对所述目标文字图像和所述至少一个第一参考风格字图像进行二值化处理。

17.根据权利要求12至15中任一项所述的装置，其中，所述第一噪声包括高斯噪声或椒盐噪声。

18.一种字符生成模型的训练装置，包括：

第二获取模块，用于获取样本风格字图像、样本文字图像和第二参考风格字图像；

第三确定模块，用于根据第二噪声和所述样本风格字图像，确定风格噪声字图像；其中，所述第二噪声用于对所述样本风格字图像进行加噪处理；

第四确定模块，用于将所述第二参考风格字图像、所述样本文字图像和所述风格噪声字图像输入字符生成模型，得到样本噪声；以及

调整模块，用于根据所述样本噪声和所述第二噪声来调整所述字符生成模型的参数；

其中，所述字符生成模型包括风格编码网络和扩散模型，所述第四确定模块包括：

编码单元，用于使用所述风格编码网络对第二参考风格字图像进行编码处理，得到第二参考风格特征向量；以及

第三确定单元，用于使用所述扩散模型基于所述样本文字图像、所述风格噪声字图像和所述第二参考风格特征向量，得到所述样本噪声。

19.根据权利要求18所述的装置，其中，所述调整模块包括：

第一调整单元，用于利用L1损失函数，根据所述样本噪声和所述第二噪声，确定噪声损失；以及

第二调整单元，用于根据所述噪声损失来调整所述风格编码网络的参数和所述扩散模型的参数。

20.根据权利要求18所述的装置，还包括：

第二处理模块，用于在根据第二噪声和所述样本风格字图像，确定风格噪声字图像之前，对所述样本风格字图像、所述样本文字图像和所述第二参考风格字图像进行二值化处理。

21.根据权利要求18所述的装置，其中，所述第二噪声包括高斯噪声或椒盐噪声。

22.一种电子设备，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至11中任一项所述的方法。

23.一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至11中任一项所述的方法。

24.一种计算机程序产品，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至11中任一项所述的方法。