本公开的示例实施例总体涉及计算机领域,特别地涉及用于图像生成的方法、装置、设备和计算机可读存储介质。
背景技术:
1、在计算机视觉(cv)领域中,基于机器学习的各种图像生成技术已经得到显著发展,并且具有广泛应用。例如,在诸如社交、游戏、图像编辑等很多应用场景中期望生成和使用目标图像。基于机器学习的图像生成技术可以用于这样的应用场景中,以提高用户的体验感。如何以较小的训练成本实现较高质量的图像生成是当前所关注的问题之一。
技术实现思路
1、在本公开的第一方面,提供了一种图像生成方法。该方法包括:基于待去噪图像特征和表征图像生成条件的至少一个条件特征,生成用于噪声预测的预测输入特征;基于预测输入特征,利用基础扩散模型的至少一部分和至少一个附加模型,分别生成第一中间特征和第二中间特征,其中基础扩散模型通过第一训练模式被训练,并且至少一个附加模型通过不同于第一训练模式的第二训练模式被训练;基于第一中间特征和第二中间特征,生成针对待去噪图像特征的预测噪声特征;以及基于预测噪声特征和待去噪图像特征,确定目标图像。
2、在本公开的第二方面,提供了一种用于图像生成的装置。该装置包括:输入特征预测模块,被配置为基于待去噪图像特征和表征图像生成条件的至少一个条件特征,生成用于噪声预测的预测输入特征;中间特征生成模块,被配置为基于预测输入特征,利用基础扩散模型的至少一部分和至少一个附加模型,分别生成第一中间特征和第二中间特征,其中基础扩散模型通过第一训练模式被训练,并且至少一个附加模型通过不同于第一训练模式的第二训练模式被训练;噪声特征预测模块,被配置为基于第一中间特征和第二中间特征,生成针对待去噪图像特征的预测噪声特征;以及目标图像确定模块,被配置为基于预测噪声特征和待去噪图像特征,确定目标图像。
3、在本公开的第三方面,提供了一种电子设备。该设备包括至少一个处理单元;以及至少一个存储器,至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面的方法。
4、在本公开的第四方面,提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,计算机程序可由处理器执行以实现第一方面的方法。
5、应当理解,本内容部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征,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描述而变得容易理解。
1.一种图像生成方法,包括:
2.根据权利要求1所述的方法,其中所述基础扩散模型的所述至少一部分包括注意力层,所述至少一个附加模型包括与所述注意力层对应的第一附加模型,并且分别生成第一中间特征和第二中间特征包括:
3.根据权利要求2所述的方法,其中所述至少一个附加模型包括第二附加模型,并且生成用于所述注意力层的注意力输入特征包括:
4.根据权利要求2所述的方法,其中所述基础扩散模型包括前馈层,所述至少一个附加模型包括与所述前馈层对应的第三附加模型,并且生成针对所述待去噪图像特征的预测噪声特征包括:
5.根据权利要求1所述的方法,其中生成用于噪声预测的预测输入特征包括:
6.根据权利要求1所述的方法,其中在所述至少一个附加模型中的给定附加模型中,通过对所述给定附加模型的输入特征执行如下操作,生成所述给定附加模型的输出特征:
7.根据权利要求1所述的方法,其中所述目标图像的生成包括多个去噪步骤,并且所述待去噪声图像特征是所述多个去噪步骤中的给定去噪步骤的输入,并且确定所述目标图像包括:
8.根据权利要求1所述的方法,其中在所述至少一个附加模型的训练期间,所述基础扩散模型的参数保持不变。
9.根据权利要求1所述的方法,其中所述第一训练模式包括预训练,并且所述第二训练模式包括微调。
10.一种用于图像生成装置,包括:
11.一种电子设备,包括:
12.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序可由处理器执行以实现根据权利要求1至9中任一项所述的方法。