本申请涉及人工智能,尤其涉及一种基于用户bci信息的aigc个性化图像生成方法及相关装置。
背景技术:
1、在使用人工智能生成图像的过程中,通常存在一个缺乏个性化风格的限制。传统的生成式人工智能(artificial intelligence generated content,aigc)算法无法满足用户对于个性化图像风格的需求,导致生成的图像缺乏独特性和与用户个性匹配的特点。
2、此外,用户个性化的视觉创作信息在图像生成过程中很重要,但目前没有一种有效的方法来获取和应用这些个性化信息。这导致了无法根据用户的喜好、创作偏好和个人特点等因素生成具有个性化风格的图像。
3、可见,现有技术存在以下问题:
4、缺乏个性化风格:aigc算法通常无法生成具有个性化风格的图像,导致生成的图像缺乏独特性和个性化特点。
5、个性化信息获取困难:目前缺乏一种有效的方法来获取用户个性化的视觉创作信息,无法准确捕捉和应用用户的个性化偏好、创作意图和感知等信息。
6、用户体验不佳:由于缺乏个性化风格的图像生成技术,用户无法获得与其个性和喜好相匹配的图像,降低了用户体验和满意度。
技术实现思路
1、本申请提供了一种基于用户bci信息的aigc个性化图像生成方法,以解决传统的aigc算法缺少针对用户个性化特点的图像生成机制,无法生成满足用户个性化需求的图像的技术问题。
2、为了解决上述技术问题,第一方面,本申请提供了一种基于用户bci信息的aigc个性化图像生成方法,包括:
3、获取用户在构思图像布局时的第一脑电信号,以及获取用户在作图时的第二脑电信号;
4、利用预设的特征提取模型,对所述第一脑电信号和所述第二脑电信号进行特征提取,得到所述用户的个性化创作特征信息,所述个性化创作特征信息包括构图偏好信息、色彩搭配偏好信息和笔触选择偏好信息;
5、将所述个性化创作特征信息转换为可量化参数;
6、利用aigc图像生成模型,根据所述可量化参数,生成符合所述用户创作特征的个性化图像。
7、在第一方面的一些实现方式中,所述获取用户在构思图像布局时的第一脑电信号,以及获取用户在作图时的第二脑电信号,包括:
8、在所述用户构思图像布局时,基于电极阵列,采集所述用户的第一脑区的所述第一脑电信号;
9、在所述用户作图时,基于所述电极阵列,采集所述用户的第二脑区的所述第二脑电信号。
10、在第一方面的一些实现方式中,所述利用预设的特征提取模型,对所述第一脑电信号和所述第二脑电信号进行特征提取,得到所述用户的个性化创作特征信息,包括:
11、利用第一特征提取模型,分析所述第一脑电信号的脑电频谱参数,以提取所述用户的构图偏好信息;
12、利用第二特征提取模型,识别所述第二脑电信号对应的用户视线参数,以提取所述用户的色彩搭配偏好信息和笔触选择偏好信息。
13、在第一方面的一些实现方式中,所述第一特征提取模型为基于脑电信号的功率谱密度、近似熵、小波熵、hurst指数、小波系数、多尺度熵、分形维数和相位同步值中的一种或多种信号特征构建得到的信号分析模型。
14、在第一方面的一些实现方式中,所述第二特征提取模型为基于模式识别算法的机器学习模型,所述模式识别算法用于关联所述第二脑电信号与所述用户视线参数的特征关系。
15、在第一方面的一些实现方式中,所述将所述个性化创作特征信息转换为可量化参数,包括:
16、基于预设转换函数,将所述个性化创作特征信息转化为可量化参数,所述预设转换函数的表达式为:;
17、其中,表示可量化参数,为个性化创作特征信息的类型数量,为第种个性化创作特征信息的权重参数,为第种个性化创作特征信息的特征矩阵,为前个主成分组成的主成分矩阵。
18、在第一方面的一些实现方式中,所述利用aigc图像生成模型,根据所述可量化参数,生成符合所述用户创作特征的个性化图像,包括:
19、利用所述aigc图像生成模型的生成器,向所述可量化参数加入随机噪声向量,并将加入随机噪声向量后的可量化参数映射为图像数据;
20、利用所述aigc图像生成模型的判别器,判别所述图像数据是否符合预设真实性要求;
21、若所述图像数据符合所述预设真实性要求,则确定所述图像数据为所述个性化图像。
22、第二方面,本申请还提供一种基于用户bci信息的aigc个性化图像生成装置,包括:
23、获取模块,用于获取用户在构思图像布局时的第一脑电信号,以及获取用户在作图时的第二脑电信号;
24、提取模块,用于利用预设的特征提取模型,对所述第一脑电信号和所述第二脑电信号进行特征提取,得到所述用户的个性化创作特征信息,所述个性化创作特征信息包括构图偏好信息、色彩搭配偏好信息和笔触选择偏好信息;
25、转换模块,用于将所述个性化创作特征信息转换为可量化参数;
26、生成模块,用于利用aigc图像生成模型,根据所述可量化参数,生成符合所述用户创作特征的个性化图像。
27、第三方面,本申请还提供一种计算机设备,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的基于用户bci信息的aigc个性化图像生成方法。
28、第四方面,本申请还提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的基于用户bci信息的aigc个性化图像生成方法。
29、与现有技术相比,本申请至少具备以下有益效果:
30、通过获取用户在构思图像布局时的第一脑电信号,以及获取用户在作图时的第二脑电信号,并利用预设的特征提取模型,对所述第一脑电信号和所述第二脑电信号进行特征提取,得到所述用户的个性化创作特征信息,从而分析用户的个性化创作风格,如构图偏好信息、色彩搭配偏好信息和笔触选择偏好信息等,以有助于生成更加符合用户创作风格的ai图像;将所述个性化创作特征信息转换为可量化参数,以能够将个性化创作特性信息量化为可用于图像生成的参数;利用aigc图像生成模型,根据所述可量化参数,生成符合所述用户创作特征的个性化图像,从而满足用户个性化需求。
1.一种基于用户bci信息的aigc个性化图像生成方法,其特征在于,包括:
2.如权利要求1所述的基于用户bci信息的aigc个性化图像生成方法,其特征在于,所述获取用户在构思图像布局时的第一脑电信号,以及获取用户在作图时的第二脑电信号,包括:
3.如权利要求1所述的基于用户bci信息的aigc个性化图像生成方法,其特征在于,所述利用预设的特征提取模型,对所述第一脑电信号和所述第二脑电信号进行特征提取,得到所述用户的个性化创作特征信息,包括:
4.如权利要求3所述的基于用户bci信息的aigc个性化图像生成方法,其特征在于,所述第一特征提取模型为基于脑电信号的功率谱密度、近似熵、小波熵、hurst指数、小波系数、多尺度熵、分形维数和相位同步值中的一种或多种信号特征构建得到的信号分析模型。
5.如权利要求3所述的基于用户bci信息的aigc个性化图像生成方法,其特征在于,所述第二特征提取模型为基于模式识别算法的机器学习模型,所述模式识别算法用于关联所述第二脑电信号与所述用户视线参数的特征关系。
6.如权利要求1所述的基于用户bci信息的aigc个性化图像生成方法,其特征在于,所述利用aigc图像生成模型,根据所述可量化参数,生成符合所述用户创作特征的个性化图像,包括:
7.一种基于用户bci信息的aigc个性化图像生成装置,其特征在于,包括:
8.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的基于用户bci信息的aigc个性化图像生成方法。
9.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于用户bci信息的aigc个性化图像生成方法。