CN119399316A 图像生成方法、装置、设备、介质及程序产品 （北京字跳网络技术有限公司）

2针对所述初始图像的非目标区域进行透明化处理，得到具有透明通道信息的目标图基于所述语义信息确定与所述文本特征具有基于第一训练样本训练神经网络得到所述文本图像网络的第一基于所述第一权重矩阵和所述第二权重矩阵的乘积，得到针对随机噪点图像进行去噪处理以及将所述去噪处理的结果与所述训练文本特征进基于所述文本图像对中的图像样本与所述第一去基于所述第一损失函数调整神经网络的权重以最小化所基于所述第二损失函数调整神经网络的权重以最小化将所述目标区域设置为非透明区域，且非目标区域设置3图像生成模块，用于基于所述提示文本的语义信息生成具有所述图像风格的初始图透明处理模块，用于针对所述初始图像的非目标区9.一种电子设备，包括存储器、处理器及存储在10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指4[0013]本公开第四方面，提供了一种包含计算机程序的非易失性计算56电子设备中；其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件[0031]图2示出了本公开实施例所提供的示例性电子设备200的硬件结构示意图。如图27备200的架构中也可以仅包含实现本公开实施例方案所必需的组件，而不必包含图中所示[0045]其中，初始图像具有与提示文本相对应的语义信息。例如，提示8本具有语义信息，文本特征F_text基于该语义信息可以确定对应的图像特征F_image。例对应的图像风格属性type。可以基于该图像风格属性type和上述图像特征F_image可以生[0053]将所述提示文本和所述图像风格的信息输入图像生成像网络生成的图像(或图像特征特征)和所确定的图像风格得到具有该图像风格的初始图[0055]在一些实施例中，所述图像生成模型基于文本图像网络和风格属性网络融合得文本图像网络和风格属性网络的权重矩阵相乘，将得到的乘积结果Q1*Q2作为图像生成模[0061]针对随机噪点图像进行去噪处理以及将所述去噪处理的结果与所述训练文本特9性来引导去噪处理的过程，使得每次去噪后的图像的语义特性不断向训练文本特征靠近，体地，对于第二训练样本可以包括标注有图像风格属性type的风格图像Image_training_于带有透明通道信息的图像数据Image_alpha对初始神经网络进行训练，例如可以将带有透明通道信息和颜色通道信息的第一图像数据Image_RGB_alpha去除透明通道信息得到仅息的目标图像，即包括主体的目标区域的透明通道信息为第一数值(例如1，即非透明区[0079]基于所述初始图像中颜色通道信息大于或等于通道阈值的第一像素的透明通道[0080]其中，具有所确定的图像风格属性的初始图像中每个像素均具有颜色通道信息标区域，其他像素作为非目标区域，从而将包括主体的目标区域分割出来得到目标掩码(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器[0091]上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因[0094]尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根