图 像生成 方法 、 装置、 设备及存储 介质 本 公开要 求于 2021年 8月 27 日提交中 国国家知 识产权 局、 申请号为 202110998216.1、 发明名称 为 “图像生成方 法、 装置、 设备及存储 介质' '的中 国 专利申 请的优 先权， 其全部内容 通过引 用结合 在本 申请中 。 技术 领域 本公 开属于 图像处理 技术领域 ， 具体涉及一种 图像生成 方法、 装置、 设备 及存 储介质 。 背景 技术 相关 技术常 常需要各 种类型的 图像来 训练相关 模型， 而在现实中 ， 某些类 型的 图像的 数量稀少 。为了提 高模型训 练的准确 性， 需要扩大这部分 图像的数 量 。 因此， 亟需一种可靠的 图像生成 方法来快 速生成 这部分 图像。 发 明内容 为 了解决 上述技 术问 题或者 至少 部分地 解决上 述技 术问题 ， 本公开实 施例 提供 了一种 。 本 公开实 施例的 第一 方面提 供了一 种图像 生成 方法， 该方法包括 ： 获 取第一 图像 ； 保 持第一 图像 中的 目标属性 不变， 对第一图像 中的其 他属 性进行 编辑； 基 于目标 属性 以及编辑 后的 其他属 性， 生成第二 图像 。 本 公开实 施例的 第二 方面提 供了一 种图像 生成装 置， 该装置包括 ： 第 一图像 获取模 块， 用于获取第一 图像 ； 属 性编辑 模块 ， 用于保持 第一图像 中的 目标属 性不 变， 对第一 图像中 的 其他属 性进行 编辑 ； 第 二图像 生成模 块， 用于基于 目标属性 以及编 辑后 的其他 属性 ， 生成 第 二图像 。 本 公开实 施例的 第三 方面提 供了一 种图 像生成 设备 ， 该图像生成 设备 包括 存储 器和处 理器 ， 其中， 存储器中 存储有 计算机 程序 ， 当该计算机 程 序被 处理 器执行 时， 可以实现 上述 第一方 面的 图像生成 方法 。 本 公开实 施例的 第四 方面提 供了一 种计 算机可 读存 储介质 ， 该存储介 质 中存储 有计算 机程序 ， 当该计算 机程 序被处 理器执 行时 ， 可以实现上 述 第一 方面 的图像 生成方 法。 本公 开实 施例提 供的技 术方 案与现 有技术 相比具 有如 下优点 ： 本 公开实 施例的 图像 生成方 法、 装置、 设备及介质 ， 能够在获取 第一 图像 之后 ， 保持第一 图像中 的目标 属性 不变， 对第一图像 中的其 他属性 进 行编 辑。 基于目标属性 以及 编辑后 的其他 属性 ， 生成第二 图像， 以实现通 过对 第一 图像的 其他属 性编 辑， 并基于 目标属 性和编 辑后 的其他 属性 ， 得 到 目标属 性不 变且其他 属性 发生 变化的 第二图 像。 因此， 可以实现快速 生 成 图像并 提高 图像多样 化的 效果， 使得在进行 模型训 练时 ， 提高训练样 本 的平 衡性 ， 以提高模型 性能 。 附 图说明 附 图用来 提供对 本发 明的进 一步理 解， 并且构成说 明书的 一部分 ， 与 本 发明实 施例一 起用于 解释 本发明 ， 并不构成对本 发明 的限制 。 在附图中： 图 1是本公 开实施 例提供 的一 种图像 生成方 法的 流程示 意图； 图 2是本公 开实施 例提供 的一 种图像 生成方 法的逻 辑示 意图； 图 3是本公 开实施 例提供 的另 一种图 像生成 方法的 流程示 意图 ； 图 4是本公 开实施 例提供 的另 一种图 像生成 方法的 逻辑示 意图 ； 图 5是本公 开实施 例提供 的又 一种图 像生成 方法 的流程 示意图 ； 图 6是本公 开实施 例提供 的再 一种图 像生成 方法 的流程 示意图 ； 图 7是本公 开实施 例提供 的一 种图像 生成装 置的 结构示 意图； 图 8是本公 开实施 例提供 的一 种图像 生成设 备的 结构示 意图。 具体 实施 方式 为 了能够 更清楚 地理 解本公 开的上 述 目的、 特征和优 点， 下面将对本 公开 的方 案进行 进一 步描述 。 需要说明 的是， 在不冲突的 情况下 ， 本公开 的 实施例 及实施 例中的 特征 可以相 互组合 。 在 下面的 描述 中阐述 了很多 具体 细节以 便于充 分理 解本公 开， 但本公 开还 可以 采用其 他不 同于在 此描述 的方 式来实 施； 显然， 说明书 中的 实施 例只 是本公 开的 一部分 实施例 ， 而不是全 部的实 施例 。 在模 型的 训练 阶段， 模型的训练 效果在 很大程 度上依 赖于 训练样 本的 采集 数量 和标注 质量 。 例如， 在训练端 到端的 模型 以处理 分类任 务时 ， 需 要针 对各 类型， 采集等量的 训练样 本来 训练模 型。 也就是说 ， 训练样 本的 平衡 性可 以在很 大程度 上影响 模型性 能。 相 关技术 常常 需要各 种类型 的图像 来训 练相关 模型 。 而在现实 中， 某 些 类型的 图像的 数量稀 少。 为了提高模 型训练 的准确 性， 需要扩大这部 分 图像 的数量 。 以 分类任 务为人 脸属 性分类 任务 为例， 一字眉在眉 毛的各 个类别 中属 于低 分布 的一个 类别 ， 导致实际采 集到 的一字 眉的样 本图像 极少 。 因此， 为 了提高 模型的 训练 准确性 ， 需要扩大一 字眉 的样本 图像 的数量 ， 使得一 字眉 的样 本图像 和其他 形状 眉毛的 样本 图像的 数量平 衡， 进而提高模型 的 性 能。 为 了扩 大数量稀 少的 某些类 型的训 练样 本的数 量， 即为了使模型 的训 练样 本的 数量保 持平衡 ， 相关技术 中主 要采用 两种方 法来 处理训 练样本 的 数量 不平衡 的问 题： 第 1种方法 ： 对数量较 多的类 型的训 练样本 进行 欠采样 。 第 2种方法 ： 对数量较 少的类 型的训 练样本 进行数 据增 强。 然 而， 第 1 种方法的 缺点是 ， 对数量较 多的类 型的训 练样 本进行 欠采 样之 后， 会导致数据 的极大 浪费， 并且数据量 的减少 也会提 高模 型过拟 合 的风 险， 影响模型的训 练效果 。 第 2种方 法往往 通过 图像旋 转以及 色彩 空 间转 换等 方式进 行数据 增强 处理， 这种数据增 强方式 不能快 速生 成大量 的 训练 样本 ， 且训练样本 的多样 性较 差。 综 上， 已有的图像生 成方法 针对数 量较 少的样 本图像 ， 很难快速 的生 成 多样化 的图像 。 为 了解决 上述 问题， 本公开实施例 提供 了一种 图像 生成方 法、 装置、 设备 及存 储介质 ， 能够在获 取第一 图像 之后， 保持第一图像 中的 目标属 性 不 变， 对第一 图像中 的其他 属性进 行编辑 。 基于目标 属性 以及编 辑后 的其 他属 性， 生成第二图像 ， 以实现通 过对 第一 图像的其 他属 性编辑 ， 并基于 目标 属性 和编辑 后的其 他属 性， 得到 目标属性 不变且 其他 属性发 生变化 的 第二 图像 。 因此， 可以实现快 速生 成图像 并提 高图像 多样化 的效果 。 下 面首先 结合 图 1至 图 6对本 公开 实施例 提供的 图像生 成方 法进行 说 明 。 图 1示出 了本公开 实施例 提供 的一种 图像生 成方 法的流 程示意 图。 在 本公开 一些实 施例 中， 图 1 所示的图像 生成 方法可 以由 图像生 成设 备执 行。 其中， 图像生成设 备可 以包括 平板电 脑、 台式计算机、 笔记本电 脑 等具有 计算和 处理 功能的 设备 ， 也可以包括 虚拟机 或者 模拟器 模拟 的设 备 ， 还可以包括 服务器 或者服 务器 集群等 具有存 储及计 算功 能的设 备。 如 图 1所示， 该图像生成 方法 可以包 括如下 步骤 。

S110、 获取第一图像 。 在 本公开 实施例 中， 第一图像可 以示例 性的理 解为 数量较 少不容 易大 量得 到的 图像。 可 选的， 第一图像可以 包括但 不限 于人脸 图像、 风景图像 、 文本图像 、 灰度 图像 等。

S120、 保持第一图 像中的 目标 属性不 变， 对第一 图像 中的其他 属性 进 行编 辑。 具 体的， 图像生成设 备在获 取到 第一图 像之后 ， 可以保持 目标属 性不 变 ， 对其他属性 特征进 行编 辑， 使得 目标属性 对应 的特征 不变， 改变其他 属性 对应 的特征 ， 以基于 目标属性 和编辑 后的 其他属 性， 生成多样化 的第 二 图像。 在 本公开 实施例 中， 目标属性可 以是第 一图像 中预 设的属 性， 比如眉 毛 、 脸型、 姿势等， 但不局 限于这 里列举 的属性 。 在 本公开 实施例 中， 其他属性可 以是第 一图像 中除 目标属 性之外 的属 性 。 在 本公开 实施例 中， S120可 以包括 ： 基 于第一 图像处 理得 到第一 图像的 语义 向量； 基 于语义 向量 ， 对第一图像 中除 目标属 性以外 的其 他属性 的语 义向量 进行 编辑 。 其 中， 语义向量 可以 是第一 图像 对应的 携带有 特征含 义信 息的 向量， 特征 含义 信息可 以包括 语义 向量所 代表的 属性。 其 中， 特征含义信 息至少 可以 包括语 义向量 所代表 的属性 的属性 名称 。 在 一些实 施例 中， 基于第一 图像 处理得 到第一 图像 的语义 向量 ， 可以 包括 ： 基 于第一 图像处 理得 到第一 图像的 特征 向量； 将 第一 图像的特 征向 量映射 到对 应的语 义特征 空间 中， 得到第一 图像 的语 义向 量。 具 体的， 图像生成设 备可 以利用 训练好 的特征 金字 塔模型 ， 将第一图 像 的图像 数据映 射到对 应的 隐空 间， 得到第一 图像 的特征 向量。 并将隐空 间 中的第 一图像 的特征 向量 映射到 对应 的语义 特征 空间， 得到第一图像 的 语 义向量 。 其 中， 隐空间可 以为 第一图像 的特 征向量 所在 的空间 。 其 中， 特征金字塔模 型可 以用于 对第一 图像 的图像 数据进 行解耦 分离 ， 以得 到隐 藏特征 。 隐藏特征 可以 包括第 一图像 的特征 向量 ， 有利于提 高其 他属 性的 语义向 量的编 辑效 率。 可 选的， 特征金字塔 模型可 以为金 字塔 场景解 析网 络， 也可以是 其他 形 式的模 型， 在此不作 限制 。 在 一些实 施例 中， 基于语义 向量 ， 对第一图像 中对 应于其 他属性 的语 义 向量进 行编辑 ， 可以包括 ： 从 语义向 量所携 带的 特征含 义信 息中筛 选出属 性信 息， 确定语义 向量 对应 的属 性； 基 于语义 向量对 应的 属性， 对目标属性 以外的 其他 属性的 语义 向量进 行编 辑。 具 体的， 图像生成设 备可 以预先确 定 目标属性 。 根据第一 图像对 应的 各语 义向 量所携 带的 特征含 义信 息确定 出除 目标属性 以外 的其他 属性对 应 的语 义向 量， 并利用 风格流 方式对 目标 属性 以外的其 他属 性的语 义向量 进 行编 辑。 其 中， 风格流 可以用 于解耦 特征 ， 控制对第一 图像 中除 目标属性 以外 的其 他属 性的语 义向量 进行 解耦， 并对其他属 性的语 义向 量进行 编辑 ， 可 以提 高其 他属性 的语 义向量 的多样 化， 也可以保留 目标属 性的语 义向量 ， 使得 利用 目标属 性和编 辑后 的其他 属性 生成的 第二 图像进 行模型 训练 时， 可 以提高模 型训 练的效 率。 以 第一 图像为人 脸图 像为例 ， 目标属性可以是 一字 眉毛， 其他属性可 以 包括年 龄、 性别、 眼镜、 姿势、 肤色、 发质等属性 。 图像生成 设备 可以 利 用训练 好的金 字塔 场景解 析网络 ， 将第一图 像的 图像数 据映射 到对应 的 隐 空间， 得到第一图像 的特 征向量 。 并将第一 图像 的特征 向量映 射到对 应 的语 义特 征空 间， 得到第一 图像的 语义 向量。 可以利用风 格流方 式， 根据 语 义向量 所携带 的特征 含义信 息， 筛选出年龄、 性别、 眼镜、 姿势、 肤色、 发质 等属 性对应 的语 义向量 ， 然后对筛 选出的 这些语 义向 量进行 编辑 。 具 体 可以增 减年龄 ， 改变性别 、 添加或删 除眼镜 、 改变肤色 以及改 变发质 等 处理 ， 以完成对 第一 图像中 的其他 属性进 行编辑 的操作 。 由 此， 在本公开 实施 例中， 可以保持第 一图像 中的 目标属 性不 变， 并 基 于第一 图像的 语义 向量， 对其他属性 的语义 向量进 行编 辑， 以实现在第 一 图像中 的目标 属性保 持不 变的情 况下， 提高其他属性 的多 样化。

S130、 基于目标属 性以及 编辑后 的其他 属性 ， 生成第二 图像。 具 体的， 图像生成设 备编辑 第一 图像的 其他属 性之 后， 可以对 目标属 性 以及编 辑后的 其他属 性进行 逆变 换， 生成第二 图像 。 在 本公开 实施例 中， S130可 以包括 ： 基 于目标 属性对 应的 语义 向量以 及编辑 得到的 其他 属性对 应的语 义向 量 ， 生成第二图 像。 具 体的， 图像生成设 备可 以利用 生成器 网络模 型， 将目标 属性对 应的 语 义向量 以及编 辑得 到的其 他属性 对应 的语义 向量转 换为 中间隐 藏向量 ， 并对 中间 隐藏 向量进行 仿射 变换 ， 以实现对 目标属性 以及 编辑后 的其他 属 性进 行逆 变换， 生成第二图像 。 其 中， 生成器 网络模 型可 以用于对 目标 属性和 编辑 后的其 他属性 进行 进一 步的 解耦分 离以 及合成 ， 以生成第 二图像 。 可以在保 留目标 属性的 特 征 的同时 ， 提高其他属 性的 特征的 多样 性， 使得基 于生成 的第二 图像进 行 模型 训练 时， 可以提高 模型训 练的 效率和 可靠性 。 可 选的， 生成器网络模 型可 以是风 格生 成对抗 网络 ， 也可以是其 他网 络 ， 在此不作限 制。 继 续以第 一图像 为人 脸图像 为例 ， 目标属性可 以是 一字眉 毛， 其他属 性 可以包 括年龄 、 性别、 眼镜、 姿势、 肤色、 发质等属性 。 图像生成设 备 得 到编辑 后的其 他属性 之后 ， 可以利用 风格生 成对抗 网络将 目标 属性对 应 的语 义 向量 以及编 辑得 到的其 他属 性对 应的 语义 向量转 换为 中间 隐藏 向 量 ， 并对中间隐 藏向量 进行 仿射 变换， 以实现对目标 属性 以及编 辑后 的其 他属 性进 行逆变 换， 生成第二 图像 。 图 2示 出了本公 开实 施例提 供的一 种图像 生成 方法的 逻辑示 意图 。 结 合 图 2解释 上述步 骤 S110-S130o 如 图 2所示 ， 该图像生成 方法 可以包 括如下 步骤 。

521、 获取样本集 。 其 中， 样本集可 以为 第一图像 。

522、 利用金字塔 场景解 析网络 生成 第一图像 的语 义向量 。 其 中， S22 可以包括： 利用金 字塔场 景解析 网络 ， 将第一图像 的图像 数据 映射 到对应 的隐 空间， 得到第一图像 的特 征向量 ， 并将隐空 间中 的第 一 图像的 特征向 量映射 到对应 的语 义特征 空间，得 到第一 图像的 语义 向量。

523、 基于语 义向量 ， 利用风格流对 第一 图像中 对应于 其他属 性的语 义 向量 进行 编辑。 其 中， S23 可以包括： 从语义 向量所 携带的 特征含 义信 息中 筛选出 其 他属 性的 对应的 特征含 义信 息。 基于其他 属性 的对应 的特 征含义 信息 ， 利 用风 格流 对其他 属性的 语义 向量进 行编辑 。

524、 基于目标属性 以及 编辑后 的其他 属性 ， 通过风格生 成对抗 网络 ， 生成 第二 图像。 其 中， S24 可以包括： 利用风格 生成 对抗 网络， 将目标 属性对 应的语 义 向量以 及编辑 得到 的其他 属性对 应的语 义向 量转换 为中 间隐藏 向量 ， 并 对 中间隐 藏向量 进行仿 射变 换， 以实现对目标 属性 以及编辑 后的 其他属 性 进行 逆变 换， 生成第二 图像 。 在 本公开 实施例 中， 能够在获取 第一图 像之后 ， 保持第一 图像 中的 目 标属 性不 变， 对第一 图像中 的其他 属性进 行编 辑。 基于 目标属性 以及编 辑 后 的其他 属性， 生成第二图 像， 以实现通过对 第一 图像的 其他属 性编辑 ， 并基 于 目标属性 和编辑 后的 其他属 性， 得到目标属性 不变 且其他 属性 发生 变化 的第 二图像 。 因此， 可以实现快速 生成 图像并 提高图 像多样 化的 效果， 使得 在进 行模型 训练时 ， 提高训练 样本的 平衡性 ， 以提高模 型性能 。 在 本公开 另一种 实施 方式 中， 可以获取 多张 目标属 性相同 的图像 作为 第一 图像 ， 并根据多 张图像 的特征 向量 进行加 权平均 处理 。 由于多张 图像 的 目标属 性相 同， 因此对多 张图像 的特 征向量 进行加 权平 均处理 后， 目标 属性 不会 改变， 而其他属性 则会 因为加 权平均 而改 变， 从而基于 加权 平均 处理 的结 果， 生成的 第二图 像即 为目标 属性不 变， 其他属 性发生 改变 的图 像 。 因此， 可以实现快 速生成 图像 并提高 图像 多样化 的效果 。 图 3示出 了本公开 实施例 提供 的另一 种图像 生成 方法的 流程示 意图。 如 图 3所示 ， 该图像生 成方法 可以包 括如下 步骤 。

S310、 获取多个 目标属性 相同的 图像作 为第 一图像 。 具 体的， 图像生成设 备可 以获取 用于生 成多样 化图像 的多 张目标 属性 相 同的图 像作为 第一 图像， 以根据多张 目标属 性相 同的图 像的 图像特征 ， 生成 第二 图像。 在 本公开 实施例 中， 多个目标属 性相同 的图像 可以 是目标 属性较 少的 图像 。 以 第一 图像为人 脸图 像为例 ， 目标属性可以是 一字 眉毛， 其他属性可 以 包括年 龄、 性别、 眼镜、 姿势、 肤色、 发质等属性 。 一字眉在 眉毛 的各 个 类别中 属于低 分布 的一个 类别 ， 由此， 多张目标属 性相 同的 图像可 以是 多 张一字 眉图像 。图像生 成设备 可以获 取多 张一字 眉在图 像作为 第一 图像， 以根 据多 张一字 眉在 图像的 图像特 征， 生成第二 图像 。

S320、 基于多个图 像处理 得到 多个图像 的特 征向量 。 在 本公开 实施例 中， 特征向量可 以是多 个图像 的图像 特征 的向量 化表 示形 式。 具 体的， 图像生成设 备获取 到多 个图像 之后 ， 可以利用训 练好 的特征 金 字塔模 型， 将多个 图像的 图像数 据映 射到对 应的 隐空间 ， 得到多个 图像 的 特征向 量。 以 第一 图像为 多张人 脸图像 为例 ， 目标属性可 以是 一字眉 毛， 其他属 性 可以包 括年龄 、 性别、 眼镜、 姿势、 肤色、 发质等属性 。 图像生成设 备 获取 到多 个一字 眉图像 之后 ， 可以利用 训练好 的特征 金字 塔模型 ， 将多个 图像 的图 像数据 映射 到对应 的隐 空间， 得到多个图像 的特 征向量 。 即得到 一 字眉毛 对应的 特征 向量， 以及年龄、 性别、 眼镜、 姿势、 肤色、 发质分 别对 应的 特征向 量。 将一字眉 毛对应 的特征 向量 ， 以及年龄、 性别、 眼镜、 姿 势、 肤色、 发质分别 对应 的特征 向量， 作为多个图像 的特 征向量 。

S330、 对多个 图像的 特征向 量进行 加权 平均处 理， 得到目标 特征向 量。 具 体的， 图像生成设 备得到 多个 图像的 特征 向量之 后， 可以根据 预先 设 定的每 个特征 向量对 应的 权重 ， 对多个图像 的特征 向量 进行加 权平 均处 理 ， 得到目标特 征向量 。 可 以理解 的是， 由于多张图像 的 目标属性 相同， 其他属 性不同 。 因此， 根据 预先 设定的 每个 特征向 量对应 的权 重， 对多个 图像的 特征向 量进行 加 权 平均处 理之后 ， 目标属性对应的 目标 特征向 量依 然保持 不变， 其他属性 对应 的 目标特征 向量会 发生 变化 ， 以实现在 目标属性 不变 的情况 下， 对第 一 图像中 的其他 属性进 行编辑 的效 果。 以 第一 图像为 多张人 脸图像 为例 ， 目标属性可 以是 一字眉 毛， 其他属 性 可以包 括年龄 、 性别、 眼镜、 姿势、 肤色、 发质等属性 。 其中， 每张人 脸 图像的 目标属 性相 同， 其他属性 不同 。 图像生成设 备根 据预先 设定 的每 个 特征向 量对应 的权重 ， 分别对多个 图像 的一字 眉毛、 年龄、 性别、 眼镜、 姿 势、 肤色、 发质等属 性进 行加权 平均 处理， 使得一字眉 毛对应 的 目标特 征 向量保 持不 变， 年龄、 性别、 眼镜、 姿势、 肤色、 发质等对应 的 目标特 征 向量发 生变化 ， 以实现在 一字眉 毛不 变的情 况下 ， 对第一图像 中的其 他 属性 进行 编辑的 效果。

S340、 基于目标特 征向量 生成 第二图像 。 具 体的， 图像生成设 备生成 目标 特征向 量之后 ， 可以对 目标特征 向量 进行 逆变 换， 生成第二 图像 。 在 本公开 实施例 中， 图像生成设备 可以 利用生 成器 网络模 型， 将目标 特征 向量 转换为 中间 隐藏向 量， 并对中 间隐藏 向量进 行仿 射变换 ， 以实现 对 目标特 征向量 进行逆 变换 ， 生成第二图 像。 图 4示 出了本公 开实 施例提 供的 另一种 图像生 成方法 的逻辑 示意 图。 结合 图 4解释上述 步骤 S110-S130o 如 图 4所示 ， 该图像生成 方法 可以包 括如下 步骤 。

541、 获取样本集 。 其 中， 样本集可 以为多 个目标 属性相 同的 图像， 即样本集 为第一 图像 。

542、利 用金字塔 场景 解析 网络基于 多个 图像处 理得到 多个 图像的特 征 向量 。 其 中， S42 可以包括： 利用金 字塔场 景解析 网络 ， 将多个图像 的图像 数据 映射 到对应 的隐空 间， 得到多 个图像 的特征 向量 。

543、 对多个图像 的特征 向量进 行加权 平均 处理， 得到目标特征 向量 。 其 中， S43 可以包括： 根据预 先设定 的每个 特征 向量对 应的权 重， 对 多个 图像 的特征 向量进 行加权 平均 处理， 得到目标特征 向量 。

544、 基于 目标特征 向量生 成第二 图像 ， 通过风格生 成对抗 网络， 生成 第二 图像 。 其 中， S44 可以包括： 利用风格 生成 对抗 网络， 将目标 特征向 量转 换 为 中间隐 藏向量 ， 并对中间 隐藏向 量进行 仿射 变换 ， 以实现对 目标属性 以 及编 辑后 的其他 属性进 行逆 变换， 生成第二图像 。 由 此， 在本公开 实施 例中， 可以获取多 张目标 属性 相同的 图像作 为第 一 图像， 并根据多张 图像的 特征向 量进行 加权 平均处 理， 使得在 目标属 性 不 变的情 况下， 对其他属性 进行编 辑， 以改变其他属 性， 得到 目标特征 向 量 ， 并基于目标 特征 向量， 生成第二图像 。 因此， 可以实 现快速 生成 图像 并提 高图像 多样 化的效 果。 在 本公开 又一种 实施 方式 中， 为了进一 步提 高第二 图像的 准确性 ， 可 以先 对多 个目标 属性相 同的 语义向 量进行 编辑 ， 并对编辑 后的多 个语 义向 量进 行加 权平均 ， 以根据加 权平均 之后得 到的 目标语 义向量 生成 作为 第二 图像 ， 进一步提 高了第 二图像 的可 靠性。 图 5示出 了本公开 实施例 提供 的又一 种图像 生成 方法的 流程示 意图。 如 图 5所示 ， 该图像生成 方法 可以包 括如下 步骤 。

S510、 获取多个 目标属性 相同的 图像作 为第 一图像 。 其 中， S510与 S310相似， 在此不作赘 述。 S520、 针对每个第 一图像 处理得 到第一 图像 的语义 向量 。 在 本公开 实施例 中， S520可 以包括 ： 针 对每个 第一 图像处理 得到 第一图 像的特 征向量 ； 将 第一 图像的 特征向 量映射 到对 应的语 义特征 空间 中， 得到第一 图像 的语 义向 量。 具 体的， 图像生成设 备获取 到多 个图像 之后 ， 可以利用训 练好 的特征 金 字塔模 型， 将每个 第一图 像的 图像数 据映射 到对应 的隐 空间， 得到每个 第一 图像 的特征 向量 。 并将隐空 间中的 每个第 一图像 的特 征向量 映射 到对 应 的语义 特征空 间， 得到第一 图像 的语义 向量。

S530、 基于每个第 一图像 的语 义向量 ， 对每个第 一图像 中对应 于其 他 属性 的语 义向量 进行编 辑， 得到编 辑后的 语义 向量。 在 本公开 实施例 中， S530可 以包括 ： 从 每个第 一图像 的语 义向量 所携 带的特 征含 义信息 中筛选 出其他 属性 的对 应的 特征含 义信息 ； 基 于其他 属性 的对应 的特征 含义信 息， 对每个第一 图像 中对应 于其他 属性 的语 义向量 进行编 辑， 得到编 辑后的 语义 向量。 具 体的， 图像生成设 备可 以预先确 定 目标属性 ， 根据语义 向量所 携带 的 特征含 义信息 中各属 性的 属性名 称， 筛选出其他属 性对 应的属 性名称 。 并基 于其 他属性 对应 的属性 名称 ， 利用风格流 方式对 其他 属性的 语义 向量 进行 编辑 。

S540、 对多个第一 图像对 应的 编辑后 的语 义向量 进行加 权平均 处理 ， 得 到目标 语义向 量。 具 体的， 图像生成设 备得到 多个 第一图 像对应 的编 辑后的 语义 向量之 后 ， 可以根据预 先设 定的每 个特征 向量 对应的 权重 ， 对多个第一 图像对 应 的编 辑后 的语义 向量进 行加权 平均 处理， 得到目标特征 向量 。 可 以理解 的是 ， 由于多个 第一图像 的 目标属性 相同 ， 基于每个 第一图 像 的语义 向量， 对每个第一 图像 中对应 于其他 属性 的语义 向量进 行编辑 之 后 ， 目标属性的 语义 特征保 持不 变， 其他属性 的语 义特征 发生 变化。 进一 步 的， 对多个 第一图像 对应 的编辑 后的 语义向 量进行 加权 平均处 理， 目标 属性 的语 义特征 依然保 持不 变， 其他属性 的语义 特征也 会发 生变化 。 S550、 基于目标属 性对应 的语 义向量 ， 以及目标语 义向 量， 生成第 二 图像 。 具 体的， 图像生成设 备可 以利用 生成器 网络模 型， 将目标 属性对 应的 语 义向量 以及 目标语 义向量 转换为 中间 隐藏向 量， 并对中 间隐藏 向量进 行 仿射 变换 ， 以实现对 目标属 性以及 编辑 后的其 他属性 进行 逆变换 ， 生成第 二 图像。 由 此， 在本公开 实施 例中， 通过先对多 个目标 属性 相同的 图像进 行编 辑 ， 再对编辑后 的多个 图像 进行加 权平 均， 可以使 目标属 性保持 不变 ， 提 高其 他属 性变化 的多样 化。 并基于目标属 性对 应的语 义向 量， 以及目标语 义 向量， 生成第二图像 ， 进一步提 高了第 二图像 的可靠 性。 在 本公开 再一种 实施 方式 中， 为了进一 步提 高第二 图像的 准确性 ， 可 以先 对多 个目标 属性相 同的 图像的 特征 向量进 行加权 平均 处理， 得到目标 特征 向量 。 并对目标 特征向 量对应 的语 义向量 进行编 辑， 以根据目标属 性 对应 的语 义向量 以及编 辑得 到的其他 属性 对应的 语义 向量，生成 第二 图像， 进一 步提 高了第 二图像 的可靠 性。 图 6示出 了本公开 实施例 提供 的再一 种图像 生成 方法的 流程示 意图。 如 图 6所示 ， 该图像生成 方法 可以包 括如下 步骤 。

S610、 获取多个 目标属性 相同的 图像作 为第 一图像 。

S620、 基于多个图像 处理 得到多 个图像 的特 征向量 。

S630、 对多个 图像的 特征向 量进行 加权 平均处 理， 得到目标特 征向量 。 其 中， S610-S630与 S 310-S330相似， 在此不作赘述 。

S640、 基于目标特 征向量 处理得 到对应 的语 义向量 。 在 本公开 实施例 中， S640可 以包括 ： 将 目标特 征向量 映射 到对应 的语 义特征 空间 中， 得到目标 特征 向量对 应 的语义 向量。 具 体的， 图像生成设 备得到 目标 特征向 量之后 ， 可以将位 于隐 空间中 的 目标特 征向量 映射 到对应 的语义 特征 空间， 得到目标特 征向量 对应 的语 义 向量。 可 选的， 可以利用训 练好的 特征金 字塔 模型， 将位于隐空 间中的 目标 特征 向量 映射到 对应的 语义特 征空 间，得到 目标特征 向量 对应的 语义 向量。 S650、 基于语义向 量， 对其他属 性对应 的语 义向量 进行编 辑。 在 本公开 实施例 中， S650可 以包括 ： 从 语义向 量所携 带的 特征含 义信 息中筛 选出其 他属 性的对 应的特 征含 义信 息； 基 于其他 属性 的对应 的特征 含义信 息， 对其他属性 对应的 语义 向量进 行编 辑， 得到编 辑后的 语义 向量。 具 体的， 图像生成设 备可 以预先确 定 目标属性 ， 根据语义 向量所 携带 的特 征含 义信息 中各属 性的 属性名 称， 筛选出其他属 性对 应的属 性名称 。 并基 于其 他属性 对应 的属性 名称， 利用风格流 方式对 其他 属性的 语义 向量 进行 编辑 。

S660、 基于目标属 性对应 的语 义向量 以及编 辑得 到的其 他属性 对应 的 语 义向量 ， 生成第二 图像。 具 体的， 图像生成设 备可 以利用 生成器 网络模 型， 将目标 属性对 应的 语 义向量 以及编 辑得 到的其 他属性 对应 的语义 向量转 换为 中间隐 藏向量 。 并对 中间 隐藏向 量进行 仿射 变换， 以实现对 目标属性 以及 编辑后 的其他 属 性进 行逆 变换， 生成第二图像 。 由 此， 在本公开 实施 例中， 先对多个 目标属性 相同 的图像 的特征 向量 进行 加权 平均处 理， 得到 目标特征 向量 ， 并对目标特 征向 量对应 的语 义向 量进 行编 辑， 以根据目标属 性对应 的语 义向量 以及编 辑得 到的其 他属性 对 应 的语义 向量， 生成第二图像 ， 进一步提 高了第 二图像 的可 靠性。 图 7示出 了本公开 实施例 提供 的一种 图像生 成装 置的结 构示意 图。 在 本公开 一些实 施例 中， 图 7所示 的图像 生成 装置可 以应 用于图像 生 成设 备中 。 其中， 图像生成 设备可 以电 子设备 或者服 务器 。 其中， 电子设 备 可以包 括移动 电话 、 平板电脑、 台式计算机 、 笔记本电脑 、 车载终端 、 可 穿戴设 备、 一体机 、 智能家居设 备等 具有通 信功 能的设 备， 也可以 包括 虚拟 机或 者模拟 器模拟 的设 备。 服务器 可以是 云服务 器或 者服务 器集群 等 具有 存储 及计算 功能的 设备 。 如 图 7所示， 该图像 生成装 置 700可以包 括第一 图像获 取模块 710、 属性 编辑模 块 720和第二 图像生 成模块 730o 第 一图像 获取模 块 710可以用于 获取第 一图像 ； 属 性编辑 模块 720可 以用于保 持第 一图像 中的 目标属性 不变 ， 对第一 图像 中的 其他属 性进行 编辑 ； 第 二图像 生成 模块 730 可以用于基 于 目标属性 以及 编辑 后的其 他属 性 ， 生成第二图 像。 在 本公开 实施例 中， 能够在获取 第一图 像之后 ， 保持第一 图像 中的 目 标属 性不 变， 对第一 图像中 的其他 属性 进行编 辑。 基于 目标属性 以及编 辑 后 的其他 属性， 生成第二图 像， 以实现通过对 第一 图像的 其他属 性编辑 ， 并基 于 目标属性 和编辑 后的 其他属 性， 得到目标属性 不变 且其他 属性 发生 变化 的第 二图像 。 因此， 可以实现快速 生成 图像并 提高图 像多样 化的 效果, 使得 在进 行模型 训练时 ， 提高训练 样本的 平衡性 ， 以提高模 型性能 。 可 选的， 属性编辑模块 720还 可以 用于基 于第一 图像处 理得 到第一 图 像 •的语义向量； 基 于语义 向量， 对第一图像 中对应 于其他 属性 的语义 向量进 行编辑 。 可 选的， 第一图像获取 模块 710还 可以用 于获取 多个 目标属 性相同 的 图像 作为 第一图 像。 可 选的， 属性编辑模块 720还 可以 用于针 对每个 第一 图像处 理得到 第 一 图像的 语义向 量； 基 于每个 第一 图像的 语义 向量， 对每个第一 图像中 对应于 其他属 性的 语 义向量 进行编 辑， 得到编辑 后的 语义向 量； 对 多个第 一图像 对应 的编辑 后的语 义向 量进行 加权 平均处 理， 得到 目 标语 义向 量。 可 选的， 第二图像生成 模块 730还 可以用 于基于 目标属 性对 应的语 义 向量 ， 以及目标 语义向 量， 生成第二图像 。 可 选的， 属性编辑模块 720还 可以 用于基 于多个 图像处 理得 到多个 图 像 •的特征向量； 对 多个图 像的特 征向量 进行 加权平 均处理 ， 得到目标 特征向 量。 可 选的， 第二图像生成 模块 730还 可以用 于基于 目标特 征向量 生成 第 二 图像。 可 选的， 属性编辑模块 720还 可以 用于基 于目标 特征 向量处 理得到 对 应 的语义 向量; 基 于语义 向量 ， 对其他属性 对应的 语义 向量进 行编辑 。 可 选的， 第二图像生 成模块 730还 可以用 于基于 目标属 性对 应的语 义 向 量以及 编辑得 到的其 他属 性对应 的语义 向量 ， 生成第二图 像。 需 要说明 的是 ， 图 7所示的 图像生 成装置 700可以 执行图 1和图 6所 示 的方法 实施例 中的各 个步 骤， 并且实现 图 1和图 6所示的 方法实 施例中 的 各个过 程和效 果， 在此不做 赘述 。 本 公开实 施例还 提供 一种 图像生 成设备 ， 该图像生 成设备 包括 处理器 和 存储器 ， 其中， 所述存储 器中 存储有 计算机 程序 ， 当所述计算 机程 序被 所 述处理 器执行 时可 以实现 上述图 1-图 7中任一实 施例的 方法 。 示 例的， 图 8是本公 开实施 例中 的一种 图像生 成设备 的结构 示意 图。 下 面具体 参考 图 8, 其示出了适 于用 来实现 本公开 实施 例中的 图像 生成设 备 800的结 构示意 图。 本公开 实施例 中的图 像生成 设备 800可以 包括但 不 限 于诸如 移动电 话、 笔记本电脑 、数字 广播接 收器、 PDA （个人数字 助理 ）、 PAD （平板电 脑）、 PMP （便携式多媒体播 放器 ）、 车载终端 （例如车载导 航 终端） 等等的移动终 端以 及诸如 数字 TV、 台式计算机 等等 的固定 终端， 也 可以是 服务器 。 服务器可 以是云 服务 器或者 服务 器集群 等具有 存储 及计 算 功能的 设备。 图 8示出的 图像生 成设备 仅仅 是一个 示例 ， 不应对本公 开 实 施例的 功能和 使用 范围带 来任何 限制。 如 图 8所示 ， 图像生成设 备 800可以包括 处理装 置 （例如中央处理器 、 图 形处理 器等） 801 , 其可以根据存储在只 读存 储器 （ROM） 802中的 程序 或 者从存 储装置 808加载 到随 机访问 存储器 （RAM ） 803 中的程序而 执行 各 种适当 的动作 和处理 。 在 RAM 803中， 还存储有 图像生成 设备 800操作 所 需的各 种程序 和数据 。 处理装置 801、 ROM 802以及 RAM 803通过总 线 804 彼此相 连。 输入 /输出 （I/O） 接口 805也连接至总线 804。 通 常， 以下装置可以 连接至 I/O接口 805 : 包括例如触摸屏、 触摸板、 键 盘、 鼠标、 摄像头 、 麦克风、 加速度 计、 陀螺仪等的输 入装置 806 ; 包 括 例如液 晶显示 器 （LCD）、 扬声器、 振动器等的输 出装 置 807 ; 包括例如 磁 带、 硬盘等的 存储装 置 808 ; 以及通信装置 809。 通信装置 809可以 允许 图像 生成 设备 800 与其他设 备进行 无线或 有线通 信以 交换数 据。 虽然图 8 示 出了具 有各种 装置 的图像 生成设 备 800, 但是应 理解的 是， 并不要 求实 施 或具备 所有示 出的装 置。 可以替代地实 施或具 备更 多或更 少的装 置。 特 别地， 根据本公开 的实施 例， 上文参考流程 图描 述的过 程可 以被实 现 为计算 机软件 程序 。 例如， 本公开的 实施例 包括一 种计 算机程 序产 品， 其 包括承 载在非 暂态 计算机 可读介 质上 的计算 机程序 ， 该计算机 程序 包含 用 于执行 流程 图所示 的方法 的程序 代码 。 在这样的 实施例 中， 该计算机 程 序 可以通 过通信 装置 809从网络 上被 下载和 安装， 或者从存储装 置 808被 安装 ， 或者从 ROM 802被安装 。 在该计算机 程序被 处理 装置 801执行时 ， 执行 本公 开实施 例的方 法中 限定的 上述功 能。 需 要说明 的是 ， 本公开上述 的计 算机可 读介质 可以 是计算 机可读 信号 介质 或者 计算机 可读 存储介 质或者 是上 述两者 的任意 组合 。 计算机可读 存 储介 质例 如可 以是 — 但 不限于 — 电、 磁、 光、 电磁、 红外线、 或半导 体 的系统 、 装置或器件 ， 或者任意 以上 的组合 。 计算机可 读存储 介质 的更 具体 的例 子可 以包括但 不限 于： 具有一 个或多 个导 线的电 连接、 便携式计 算机 磁盘 、 硬盘、 随机访问存 储器 （RAM）、 只读存储器 （ROM ）、 可擦式 可编 程只 读存储 器 （EPROM 或 闪存）、 光纤、 便携式紧凑 磁盘只 读存 储器 （CD-ROM ）、 光存储器件、 磁存储器件 、 或者上述 的任意 合适的 组合 。 在 本公 开中 ， 计算机可读 存储 介质可 以是任 何包 含或存 储程 序的有 形介质 ， 该程 序可 以被指 令执行 系统 、 装置或者 器件使 用或者 与其 结合使 用。 而在 本公 开中 ， 计算机可读 信号 介质可 以包括 在基 带中或 者作 为载波 一部分 传 播 的数据 信号， 其中承载 了计算机 可读 的程序 代码 。 这种传播的 数据信 号 可 以采用 多种形 式， 包括但不限于 电磁 信号、 光信号或上 述的任 意合适 的 组合 。 计算机可 读信 号介质 还可 以是计 算机可 读存储 介质 以外的 任何 计算 机 可读介 质， 该计算机 可读 信号介 质可 以发送 、 传播或者 传输 用于由指 令 执行 系统 、 装置或者 器件使 用或者 与其 结合使 用的程 序。 计算机可读介 质 上 包含的 程序代 码可 以用任 何适 当的介 质传输 ， 包括但不 限于： 电线、 光 缆 、 RF （射频） 等等， 或者上述的 任意合 适的组 合。 在 一些 实施 方 式中 ， 客户端 、 图像生成 设备 可以 利用 诸如 HTTP （ HyperText Transfer Protocol, 超文本传输协议） 之类的任何当前已知 或未 来研 发的 网络协 议进行 通信 ， 并且可以 与任意 形式或 介质 的数字 数据通 信 （例如， 通信网络） 互连。 通信网络的示 例包括 局域 网 （"LAN"）, 广域网 （“WAN" ）, 网际网 （例如， 互联网） 以及端对端网络 （例如， ad hoc端对 端 网络）， 以及任何 当前已知 或未 来研发 的网络 。 上 述计算 机可读 介质 可以是 上述 图像生 成设备 中所 包含的 ； 也可以是 单独 存在 ， 而未装配入 该图像 生成 设备中 。 上 述计算 机可读 介质 承载有 一个 或者多 个程序 ， 当上述一 个或者 多个 程序 被该 图像生 成设备 执行 时， 使得该 图像生 成设备 ： 获取第一 图像 ； 保 持 第一图 像中的 目标属 性不 变， 对第一 图像 中的其他 属性 进行编 辑； 基于 目标 属性 以及编 辑后的 其他属 性， 生成第二图像 。 可 以以一 种或 多种程 序设计 语言 或其组 合来编 写用 于执行 本公开 的操 作 的计算 机程序 代码 ， 上述程序设 计语 言包括 但不 限于面 向对 象的程序 设 计语 言一 诸如 Java、 Smalltalk、 C++, 还包括常规的过程式程序设计 语言一 诸如 “C” 语言或 类似 的程序 设计语 言。 程序代码 可以完 全地在 用户 计算机 上执 行、 部分地在用 户计算 机上执 行、 作为一个独立 的软 件包执 行、 部分 在 用户计 算机上 部分在 远程 计算机 上执 行、 或者完全 在远 程计算 机或 图像 生成 设备 上执行 。 在涉及远 程计算 机的 情形 中， 远程计算 机可 以通过任 意 种 类的网 络 — 包括 局域 网（LAN）或广域网（WAN ）一连接到 用户计算 机，或 者 ， 可以连接到 外部 计算机 （例如利用 因特 网服务提 供商 来通过 因特 网连 接 ）。 附 图中的 流程 图和框 图， 图示了按照本 公开各 种实 施例的 系统、 方法 和 计算机 程序产 品的 可能实 现的体 系架 构、 功能和操 作。 在这点上， 流程 图 或框图 中的每 个方框 可以 代表一 个模块 、 程序段、 或代码的一 部分， 该 模块 、 程序段、 或代码的一 部分 包含一 个或多 个用 于实现 规定的 逻辑 功能 的 可执行 指令。 也应当注意 ， 在有些作 为替换 的实现 中， 方框中所标注 的 功 能也可 以以不 同于 附图中 所标注 的顺 序发生 。 例如， 两个接连 地表示 的 方框 实际 上可 以基本并 行地 执行， 它们有时也 可以按 相反 的顺序 执行 ， 这 依所 涉及 的功能 而定。 也要注意的 是， 框图和 /或流程图中 的每个 方框 、 以 及框 图和/或 流程图 中的方 框的组 合， 可以用执 行规 定的功 能或操 作的专 用 的基 于硬 件的 系统来 实现， 或者可以用 专用硬 件与计 算机 指令的 组合 来实 现 。 描 述于本 公开实 施例 中所涉 及到 的单元 可以通 过软件 的方 式实现 ， 也 可 以通过 硬件的 方式 来实现 。 其中， 单元的名 称在某 种情 况下并 不构成 对 该单 元本 身的限 定。 本 文中 以上描述 的功 能可 以至少部 分地 由一个 或多 个硬件 逻辑部 件来 执行 。 例如， 非限制性 地， 可以使用的 示范类 型的硬 件逻 辑部件 包括 ： 现 场 可编程 门阵列 （FPGA）、 专用集成电路 （ASIC）、 专用标准产品 （ASSP）、 片上 系统 （SOC）、 复杂可编程逻 辑设备 （CPLD） 等等。 在 本公开 的上下 文中 ， 机器可读介 质可 以是有 形的介 质， 其可以包含 或存 储以 供指令 执行 系统、 装置或设备使 用或 与指令 执行 系统、 装置或设 备结 合地 使用的 程序 。 机器可读介 质可 以是机 器可读 信号 介质或 机器 可读 储存 介质 。 机器可读介 质可 以包括 但不 限于电 子的 、 磁性的、 光学的 、 电 磁 的、 红外的、 或半导体系 统、 装置或设 备， 或者上述内 容的任 何合适 组 合 。机器可读 存储介 质的 更具体 示例会 包括基 于一 个或多 个线的 电气连 接、 便携 式计 算机盘 、 硬盘、 随机存取 存储器 （RAM ）、 只读存储器 （ROM）、 可擦 除可 编程只 读存储 器 （EPROM 或快 闪存 储器）、 光纤、 便捷式紧 凑盘 只读 存储 器 （CD-ROM）、 光学储存设 备、 磁储存设 备、 或上述 内容的任 何 合适 组合 。 本 公开实 施例还 提供 一种计 算机 可读存 储介质 ， 所述存储 介质 中存储 有计 算机程 序， 当所述计算机 程序被 处理 器执行 时可 以实现 上述图 1-图 7 中任 一实 施例的 方法， 其执行方式和 有益 效果类 似， 在这里 不再赘 述。 需 要说明 的是 ， 在本文中， 诸如 “第一 " 和 “第二” 等之类的关 系术 语仅 仅用 来将一 个实体 或者 操作与 另一个 实体 或操作 区分 开来， 而不一定 要 求或者 暗示这 些实体 或操 作之 间存在任 何这 种实 际的关 系或者 顺序 。 而 且 ， 术语 “包括”、 “包含” 或者 其任何 其他 变体意 在涵盖 非排他 性的 包含， 从 而使得 包括一 系列要 素的过 程、 方法、 物品或者设 备不 仅包括 那些要 素， 而且 还包 括没有 明确列 出的 其他要 素， 或者是还包括 为这 种过程 、 方法、 物 品或者 设备所 固有 的要素 。 在没有更 多限制 的情况 下， 由语句 “包括 一 个 … … ” 限定的要素 ， 并不排除在 包括 所述要 素的过 程、 方法、 物品或者 设备 中还 存在另 外的相 同要素 。 以上 所述 仅是本 公开 的具体 实施方 式， 使本领 域技术 人员 能够理 解或 实现 本公开 。 对这些实 施例 的多种 修改对 本领 域的技 术人 员来说 将是显 而 易见 的， 本文中所定义 的一般 原理 可以在 不脱 离本公 开的精 神或 范围的 情 况下 ， 在其它实 施例 中实现 。 因此， 本公开将 不会被 限制 于本文 所述的 这 些实 施例 ， 而是要符合 与本 文所公 开的原 理和 新颖特 点相一 致的 最宽的 范 围。