(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210625806.4 (22)申请日 2022.06.02 (71)申请人 电子科技大 学 地址 610000 四川省成 都市高新西区西源 大道2006号 (72)发明人 杜鸿飞　邓攀　刘明　王晓敏　 龚海刚　刘明辉　程旋　邓佳丽　 解天舒　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张欣欣 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/74(2022.01) (54)发明名称 图像生成模型训练方法、 图像生 成方法及相 关装置 (57)摘要 本发明的提供图像生成模型训练方法、 图像 生成方法及相关装置， 方法包括： 获取随机噪声 样本和图像样本； 根据随机噪声样本和图像样 本， 对初始的生成对抗网络进行迭代训练， 直到 预构建的损失函数达到设定条件， 将训练后的生 成对抗网络作为图像生成模型； 其中， 损失函数 是基于随机噪声样本得到的生成图像之间的距 离信息、 生成图像和图像样本的判别信息以及预 设参数信息构建的； 迭代训练用于降低生成图像 之间的相似度。 针对相似度很高的噪声， 本发明 可以得到不同的生成图像， 拉大生成图像对应的 分布模式之间的距离， 从而可以解决模式崩溃问 题。 权利要求书2页 说明书11页 附图7页 CN 115019128 A 2022.09.06 CN 115019128 A 1.一种图像生成模型训练方法， 其特 征在于， 所述方法包括： 获取随机噪声样本和图像样本； 根据所述随机噪声样本和所述图像样本， 对初始 的生成对抗网络进行迭代训练， 直到 预构建的损失函数达 到设定条件， 将训练后的生成对抗网络作为图像生成模型； 其中， 所述损 失函数是基于所述随机噪声样本得到的生成图像之间的距离信息、 所述 生成图像和所述图像样本的判别信息以及预设参数信息构建的； 所述迭代训练用于降低所 述生成图像之间的相似度。 2.根据权利要求1所述的图像生成模型训练方法， 其特征在于， 所述损失函数是通过如 下方式构建的： 根据所述随机噪声样本得到的第一生成图像和第二生成图像， 构建距离信息损失模 型； 其中， 所述第一生成图像是基于所述随机噪声样本生 成的； 所述第二生 成图像是基于所 述噪声样本的随机扰动样本生成的； 根据所述第一生成图像和所述图像样本的判别信息、 以及第一权重信息、 构建判别信 息损失模型； 基于根据 所述距离信 息损失模型、 所述距离信 息损失模型对应的第 二权重信 息以及所 述判别信息损失模型， 构建所述损失函数； 或者， 基于根据所述距离信息损 失模型、 所述距离信息损 失模型对应的第二权重信息、 所述 判别信息损失模型、 以及平衡因子、 随机系数， 构建所述损失函数， 构建所述损失函数。 3.根据权利要求2所述的图像生成模型训练方法， 其特 征在于， 所述方法还 包括： 在每次迭代训练中， 根据预设的迭代次数与平衡因子之间的概率曲线信息， 确定所述 每次迭代训练对应的平衡因子的数值， 并从预设 分布模型中随机采样， 得到所述随机系数。 4.根据权利要求2所述的图像生成模型训练方法， 其特征在于， 所述生成对抗网络包含 生成器和判别器； 根据所述随机噪声样本和所述图像样本， 对初始 的生成对抗网络进行迭代训练， 直到 预构建的损失函数达 到设定条件， 将训练后的生成对抗网络作为图像生成模型， 包括： 将所述随机噪声样本输入到所述生成器， 得到所述第一生成图像和所述第二生成图 像； 将所述第一 生成图像和所述图像样本 输入到所述判别器， 得到所述判别 信息； 将所述第一生成图像和所述第 二生成图像的距离信 息输入到所述距离信 息损失模型、 以及将所述判别 信息输入到所述判别 信息损失模型中， 得到所述损失函数的损失值； 保持所述判别器的网络参数固定， 并基于所述损失值， 更新所述 生成器的网络参数； 当未达到所述设定条件， 返回执行所述将所述随机噪声样本输入到所述生成器， 得到 所述第一生成图像和所述第二生成图像的步骤， 直到所述损失函数达到设定条件， 将训练 后的生成对抗网络作为图像生成模型。 5.根据权利要求4所述的图像生成模型训练方法， 其特征在于， 将所述随机噪声样本输 入到所述 生成器， 得到第一 生成图像和第二 生成图像， 所述方法还 包括： 确定噪声阈值； 基于所述噪声阈值， 确定所述随机噪声样本的随机扰动样本； 根据所述随机噪声样本得到所述第 一生成图像， 并基于所述随机扰动样本得到所述第权　利　要　求　书 1/2 页 2 CN 115019128 A 2二生成图像。 6.根据权利要求5所述的图像生成模型训练方法， 其特 征在于， 确定噪声阈值， 包括： 从预设的数据分布模型中随机采样， 得到多个随机值， 并根据每个所述随机值， 得到所 述随机噪声样本对应的每 个所述随机扰动样本； 根据所述生成器， 得到所述随机噪声样本对应的生成图像、 以及每个所述随机扰动样 本对应的生成图像； 确定所述随机噪声样本对应的生成图像， 与每个所述随机扰动样本对应的生成图像之 间的相似度； 将具有最小相似度的生成图像确定为目标生成图像， 并将所述目标生成图像对应随机 值， 确定为所述噪声阈值。 7.一种图像生成方法， 其特 征在于， 所述方法包括： 获取随机噪声样本； 将所述随机噪声样本输入图像生成模型中， 生成第一图像和第二图像， 所述第一图像 和所述第二图像不同； 所述图像生成模型是通过如权利要求1 ‑6任意一项所述的图像生成 模型训练方法得到的。 8.一种图像生成模型训练装置， 其特 征在于， 包括： 获取模块， 用于获取随机噪声样本和图像样本； 训练模块， 用于根据所述随机噪声样本和所述图像样本， 对初始 的生成对抗网络进行 迭代训练， 直到预构建的损失函数达到设定条件， 将训练后的生成对抗网络作为图像生成 模型； 其中， 在每次迭代训练中， 所述损 失函数是基于所述随机噪声样本得到的生成图像之 间的距离信息、 所述生成 图像和所述图像样本的判别信息以及预设参数信息构建的； 所述 迭代训练用于降低所述 生成图像之间的相似度。 9.一种图像生成装置， 其特 征在于， 包括： 获得模块， 用于获取随机噪声样本； 生成模块， 用于将所述随机噪声样本输入图像生成模型中， 生成第一图像和第 二图像； 所述第一图像和所述第二图像不同； 所述图像生成模型是通过如权利要求1 ‑6任意一项所 述的图像生成模型训练方法得到的。 10.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述 处理器执行的计算机程序， 所述处理器可执行所述计算机程序以实现如权利要求1 ‑6任意 一项所述的方法或者如权利要求7任意 一项所述的方法。 11.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115019128 A 3