路段生成模型的训练方法、路段生成方法及装置与流程

本技术实施例涉及计算机，特别涉及一种路段生成模型的训练方法、路段生成方法及装置。

背景技术：

1、随着计算机技术的不断发展，游戏的种类和数量也越来越多，目前已出现了赛车类游戏、跑酷类游戏等。在赛车类游戏中，玩家可以操控虚拟车辆在不同的虚拟道路上跑动，在跑酷类游戏中，玩家可以操控虚拟人物在不同的虚拟道路上跑动。通常情况下，虚拟道路可以视作多个路段首尾连接而成，基于此，如何生成路段成为一个亟需解决的问题。

技术实现思路

1、本技术提供了一种路段生成模型的训练方法、路段生成方法及装置，可提高路段的生成效率，所述技术方案包括如下内容。

2、第一方面，提供了一种路段生成模型的训练方法，所述方法包括：

3、获取多个样本路段的原始信息，所述多个样本路段为连续的路段，且包括第一路段和连续的多个第二路段，所述第一路段与第一个第二路段相邻；

4、通过目标编码器对所述多个第二路段的原始信息进行编码处理，得到各个第二路段的目标特征；

5、通过神经网络模型基于所述第一路段的原始信息，确定所述各个第二路段的预测特征，所述神经网络模型包括所述目标编码器，所述目标编码器用于对所述第一路段的原始信息进行编码处理得到所述第一路段的目标特征，任一个第二路段的预测特征基于所述第一路段的目标特征生成；

6、基于所述各个第二路段的目标特征和预测特征，对所述神经网络模型进行训练，得到路段生成模型，所述路段生成模型用于生成目标路段的信息。

7、第二方面，提供了一种路段生成方法，所述方法包括：

8、获取参考路段的信息；

9、通过路段生成模型基于所述参考路段的信息，确定目标路段的预测特征，所述路段生成模型按照第一方面所述的路段生成模型的训练方法训练得到；

10、通过所述路段生成模型基于所述目标路段的预测特征，生成目标路段的信息。

11、第三方面，提供了一种路段生成模型的训练装置，所述装置包括：

12、获取模块，用于获取多个样本路段的原始信息，所述多个样本路段为连续的路段，且包括第一路段和连续的多个第二路段，所述第一路段与第一个第二路段相邻；

13、编码模块，用于通过目标编码器对所述多个第二路段的原始信息进行编码处理，得到各个第二路段的目标特征；

14、确定模块，用于通过神经网络模型基于所述第一路段的原始信息，确定所述各个第二路段的预测特征，所述神经网络模型包括所述目标编码器，所述目标编码器用于对所述第一路段的原始信息进行编码处理得到所述第一路段的目标特征，任一个第二路段的预测特征基于所述第一路段的目标特征生成；

15、训练模块，用于基于所述各个第二路段的目标特征和预测特征，对所述神经网络模型进行训练，得到路段生成模型，所述路段生成模型用于生成目标路段的信息。

16、在一种可能的实现方式中，所述编码模块，还用于对于任一个样本路段，通过初始编码器对所述任一个样本路段的原始信息进行编码处理，得到任一个样本路段的初始特征；

17、所述装置还包括：

18、解码模块，用于通过初始解码器对所述任一个样本路段的初始特征进行解码处理，得到所述任一个样本路段的重建信息；

19、所述训练模块，还用于基于各个样本路段的原始信息和重建信息，对所述初始编码器进行训练，得到所述目标编码器。

20、在一种可能的实现方式中，所述编码模块，用于通过所述初始编码器基于第一映射函数对所述任一个样本路段的原始信息进行第一映射处理，得到第一映射结果；通过所述初始编码器基于第二映射函数对所述任一个样本路段的原始信息进行第二映射处理，得到第二映射结果；基于所述第一映射结果和所述第二映射结果，构建第一分布函数；通过所述初始编码器对所述第一分布函数进行采样处理，得到所述任一个样本路段的初始特征。

21、在一种可能的实现方式中，所述训练模块，用于对于任一个样本路段，确定所述任一个样本路段的原始信息和重建信息之间的信息差异；基于所述信息差异、所述第一映射结果和所述第二映射结果，确定所述任一个样本路段的第一损失；基于各个样本路段的第一损失，对所述初始编码器进行训练，得到所述目标编码器。

22、在一种可能的实现方式中，所述神经网络模型还包括初始生成器；

23、所述确定模块，用于通过所述目标编码器对所述第一路段的原始信息进行编码处理，得到所述第一路段的目标特征；通过所述初始生成器基于所述第一路段的目标特征，生成所述第一个第二路段的预测特征；基于所述第一个第二路段的预测特征，确定所述多个第二路段中除所述第一个第二路段之外的各个第二路段的预测特征。

24、在一种可能的实现方式中，所述确定模块，用于通过所述初始生成器对参考分布函数进行采样处理，得到初始隐变量；通过所述初始生成器基于所述初始隐变量和所述第一路段的目标特征，生成所述第一个第二路段的预测特征。

25、在一种可能的实现方式中，所述神经网络模型还包括目标解码器，所述目标解码器基于各个样本路段的原始信息和重建信息，对初始解码器进行训练得到；

26、所述确定模块，用于对于所述多个第二路段中除最后一个第二路段之外的任一个第二路段，通过所述目标解码器对所述任一个第二路段的预测特征进行解码处理，得到所述任一个第二路段的预测信息；通过所述目标编码器对所述任一个第二路段的预测信息进行编码处理，得到所述任一个第二路段的参考特征；通过所述初始生成器基于所述任一个第二路段的参考特征，生成所述任一个第二路段的下一个第二路段的预测特征。

27、在一种可能的实现方式中，所述确定模块，用于获取所述任一个第二路段对应的隐变量，所述任一个第二路段对应的隐变量基于初始隐变量和所述第一路段的目标特征确定，或者，所述任一个第二路段对应的隐变量基于所述任一个第二路段的上一个第二路段对应的隐变量和所述上一个第二路段的参考特征确定；通过所述初始生成器基于所述任一个第二路段对应的隐变量和所述任一个第二路段的参考特征，生成所述任一个第二路段的下一个第二路段的预测特征。

28、在一种可能的实现方式中，所述神经网络模型包括所述目标编码器、初始生成器和目标解码器；

29、所述训练模块，用于基于所述各个第二路段的目标特征和预测特征，对所述初始生成器进行训练，得到目标生成器；将所述神经网络模型中的所述初始生成器替换为所述目标生成器，得到所述路段生成模型，所述路段生成模型包括所述目标编码器、所述目标生成器和所述目标解码器。

30、第四方面，提供了一种路段生成装置，所述装置包括：

31、获取模块，用于获取参考路段的信息；

32、确定模块，用于通过路段生成模型基于所述参考路段的信息，确定目标路段的预测特征，所述路段生成模型按照第一方面所述的路段生成模型的训练方法训练得到；

33、生成模块，用于通过所述路段生成模型基于所述目标路段的预测特征，生成目标路段的信息。

34、在一种可能的实现方式中，所述装置还包括：

35、提取模块，用于从所述目标路段的信息中提取路段类型信息；从所述目标路段的信息中提取所述路段类型信息对应的参数信息；

36、所述生成模块，还用于基于所述路段类型信息对应的参数信息，生成目标路段。

37、第五方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述电子设备实现上述第一方面所述的路段生成模型的训练方法或者上述第二方面所述的路段生成方法。

38、第六方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现上述第一方面所述的路段生成模型的训练方法或者上述第二方面所述的路段生成方法。

39、第七方面，还提供了一种计算机程序或计算机程序产品，所述计算机程序或计算机程序产品中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现上述第一方面所述的路段生成模型的训练方法或者上述第二方面所述的路段生成方法。

40、本技术提供的技术方案至少带来如下有益效果：

41、本技术提供的技术方案中，神经网络模型可以基于第一路段的原始信息，确定位于第一路段之后的多个连续的第二路段的预测特征，基于各个第二路段的目标特征和预测特征，对神经网络模型进行训练得到路段生成模型，使得通过路段生成模型可以生成目标路段的信息，实现方便快捷的生成目标路段，提高路段的生成效率。