海报快速生成方法及装置与流程

本申请涉及ai，具体而言，涉及一种海报快速生成方法及装置。

背景技术：

1、在人工智能的长期演进中，文生图经历了显著的提升，特别是在根据给定的文本提示生成高质量且多样化的图像方面表现出色。为了确保文生图模型的输出准确性，对其进行微调变得至关重要。但是，在微调过程中使用的训练样本包含复杂的背景信息，这可能会对模型的准确训练造成干扰，导致文生图的深度学习模型的训练结果不准确，进而导致生成的图像不准确的技术问题。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种海报快速生成方法及装置，以至少解决现有技术中生成海报的准确性较低的技术问题。

2、根据本发明实施例的一个方面，提供了一种海报快速生成方法，包括：获取用于描述待生成的海报的文本；将所述文本输入到预先训练好的深度学习模型中，利用所述深度学习模型来生成与所述文本对应的海报；其中，所述深度学习模型是利用损失函数来调整文本编码器和去噪网络中的权重调整层上的参数自适应矩阵而得到的。

3、根据本发明实施例的另一方面，还提供了一种海报快速生成装置，包括：获取模块，被配置为获取用于描述待生成的海报的文本；生成模块，被配置为将所述文本输入到预先训练好的深度学习模型中，利用所述深度学习模型来生成与所述文本对应的海报；其中，所述深度学习模型是利用损失函数来调整文本编码器和去噪网络中的权重调整层上的参数自适应矩阵而得到的。

4、在本发明实施例中，获取用于描述待生成的海报的文本；将所述文本输入到预先训练好的深度学习模型中，利用所述深度学习模型来生成与所述文本对应的海报；其中，所述深度学习模型是利用损失函数来调整文本编码器和去噪网络中的权重调整层上的参数自适应矩阵而得到的。通过上述方案，解决了现有技术中生成海报的准确性较低的技术问题。

技术特征：

1.一种海报快速生成方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型是通过以下训练得到的：

3.根据权利要求2所述的方法，其特征在于，基于所述图像预测噪声，确定所述深度学习模型的损失函数，包括：

4.根据权利要求3所述的方法，其特征在于，将所述描述文本和所述样本图像输入到待训练的所述深度学习模型中，得到所述样本图像的图像预测噪声，包括：

5.根据权利要求3所述的方法，其特征在于，将所述掩码图像及所述物体类别输入到待训练的所述深度学习模型中，获得掩码预测噪声，包括：

6.根据权利要求3所述的方法，其特征在于，基于所述图像预测噪声和所述掩码预测噪声，来确定所述深度学习模型的损失函数，包括：

7.根据权利要求2所述的方法，其特征在于，基于所述损失函数来调整所述深度学习模型的所述文本编码器和所述去噪网络中的权重调整层上的参数自适应矩阵，包括：

8.一种海报快速生成装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有程序，其特征在于，在所述程序运行时，使得计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请提供了一种海报快速生成方法及装置，其中，所述方法包括：获取用于描述待生成的海报的文本；将所述文本输入到预先训练好的深度学习模型中，利用所述深度学习模型来生成与所述文本对应的海报；其中，所述深度学习模型是利用损失函数来调整文本编码器和去噪网络中的权重调整层上的参数自适应矩阵而得到的。本申请解决了现有技术中生成海报的准确性较低的技术问题。

技术研发人员：王英,李睿
受保护的技术使用者：世优（北京）科技有限公司
技术研发日：
技术公布日：2024/3/27