图片生成模型的确定方法及装置、图片生成方法及装置与流程

本公开涉及机器学习领域，具体地，涉及一种用于确定图片生成模型的方法及装置、图片生成方法及装置、计算设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着机器学习技术的蓬勃发展，各类机器学习模型在不同领域中发挥了越来越重要的作用。例如，在涉及图片识别、图片分类等的领域中，比如内容审核等领域，相应机器学习模型可以代替人工，高效且准确地完成大量图片处理工作。这些机器学习模型在投入使用前，往往需要基于大量图片样本进行训练，以实现符合期望的性能。然而，由于图片数据来源有限、处理过程(比如筛选、标注等)需耗费大量人力及时间成本等，大量的高质量图片样本的获取往往并非易事，这进而会限制对模型性能的优化。

技术实现思路

1、有鉴于此，本公开提供了一种用于确定图片生成模型的方法及装置、图片生成方法及装置、计算设备、计算机可读存储介质和计算机程序产品，可以缓解、减轻或甚至消除上述问题。

2、根据本公开的一方面，提供了一种用于确定图片生成模型的方法，包括：获取第一引导信息、第二引导信息和合并引导信息，其中，第一引导信息、第二引导信息和合并引导信息为针对同一图片的不同描述信息，并且合并引导信息包括第一引导信息与第二引导信息的组合信息和附加信息；基于第一引导信息，通过冻结模型，生成第一预测，其中，冻结模型被配置为根据所输入的引导信息输出图片，使得所输出的图片包含所输入的引导信息所描述的特征；基于第二引导信息，通过冻结模型，生成第二预测；基于合并引导信息，通过目标模型，生成第三预测，其中，目标模型与冻结模型具有相同的模型结构；至少基于第一预测和第二预测，确定合并预测；根据合并预测与第三预测之间的差异，更新目标模型的模型参数，以确定图片生成模型。

3、在一些实施例中，获取第一引导信息、第二引导信息和合并引导信息包括：获取第一基础信息、第二基础信息和合并基础信息；将第一基础信息、第二基础信息和合并基础信息分别输入至文本生成模型，并基于文本生成模型的输出，获取第一引导信息、第二引导信息和合并引导信息，其中，文本生成模型被配置为根据预设规则对所输入的基础信息执行扩写和改写中的至少一项，并输出相应的引导信息，使得所输出的引导信息包括比所输入的基础信息更丰富的描述信息。

4、在一些实施例中，基于第一引导信息，通过冻结模型，生成第一预测包括：将第一引导信息与含噪图片数据一同输入至冻结模型，其中，含噪图片数据用于表征具有噪声的图片的数据，以及，基于冻结模型，获取含噪图片的第一噪声预测，作为第一预测；基于第二引导信息，通过冻结模型，生成第二预测包括：将第二引导信息与含噪图片数据一同输入至冻结模型，以及，基于冻结模型，获取含噪图片的第二噪声预测，作为第二预测；基于合并引导信息，通过目标模型，生成第三预测包括：将合并引导信息与含噪图片数据一同输入至目标模型，以及，基于目标模型，获取含噪图片的第三噪声预测，作为第三预测。

5、在一些实施例中，含噪图片数据包括第一数据和第二数据，第一数据被配置为表征含噪图片的像素数据，第二数据被配置为表征含噪图片的含噪水平。

6、在一些实施例中，上述方法还包括：获取基础图片数据，基础图片数据用于表征第一引导信息、第二引导信息和合并引导信息所描述的图片；通过向基础图片数据添加预设水平的噪声，得到含噪图片数据。

7、在一些实施例中，第一引导信息用于描述图片中的关键特征，第二引导信息至少用于描述同一图片中的其他非关键特征，基于第一预测和第二预测，确定合并预测包括：基于第一预测与第二预测的加权和，确定合并预测，其中，第一预测的权重大于第二预测的权重。

8、在一些实施例中，根据合并预测与第三预测之间的差异，更新目标模型的模型参数包括：基于合并预测与第三预测，确定合并预测损失；基于合并预测损失，更新目标模型的模型参数，以降低合并预测损失。

9、在一些实施例中，目标模型的初始模型参数与冻结模型的模型参数相同。

10、根据本公开的另一方面，提供了一种图片生成方法，包括：获取合并引导信息；将合并引导信息输入至图片生成模型，图片生成模型是通过根据前述方面描述的用于确定图片生成模型的方法来确定的；基于图片生成模型的输出，获取与合并引导信息相对应的图片。

11、在一些实施例中，获取合并引导信息包括：获取合并基础信息；将合并基础信息输入至文本生成模型，并基于文本生成模型的输出，获取合并引导信息，其中，文本生成模型被配置为根据预设规则对所输入的基础信息执行扩写和改写中的至少一项，并输出相应的引导信息，使得所输出的引导信息包括比所输入的基础信息更丰富的描述信息。

12、根据本公开的又一方面，提供了一种用于确定图片生成模型的装置，包括：获取模块，被配置为：获取第一引导信息、第二引导信息和合并引导信息，其中，第一引导信息、第二引导信息和合并引导信息为针对同一图片的不同描述信息，并且合并引导信息包括第一引导信息与第二引导信息的组合信息和附加信息；第一生成模块，被配置为：基于第一引导信息，通过冻结模型，生成第一预测，其中，冻结模型被配置为根据所输入的引导信息输出图片，使得所输出的图片包含所输入的引导信息所描述的特征；第二生成模块，被配置为：基于第二引导信息，通过冻结模型，生成第二预测；第三生成模块，被配置为：基于合并引导信息，通过目标模型，生成第三预测，其中，目标模型与冻结模型具有相同的模型结构；确定模块，被配置为：基于第一预测和第二预测，确定合并预测；更新模块，被配置为：根据合并预测与第三预测之间的差异，更新目标模型的模型参数，以确定图片生成模型。

13、根据本公开的又一方面，提供了一种图片生成装置，包括：第一获取模块，被配置为：获取合并引导信息；输入模块，被配置为：将合并引导信息输入至图片生成模型，图片生成模型是通过根据前述方面描述的用于确定图片生成模型的方法来确定的；第二获取模块，被配置为：基于图片生成模型的输出，获取与合并引导信息相对应的图片。

14、根据本公开的又一方面，提供了一种计算设备，包括：存储器，其被配置成存储计算机可执行指令；处理器，其被配置成当计算机可执行指令被处理器执行时执行根据前述方面所描述的方法。

15、根据本公开的又一方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，当计算机可执行指令被执行时，执行根据前述方面所描述的方法。

16、根据本公开的又一方面，提供了一种计算机程序产品，包括计算机可执行指令，计算机指令在被处理器执行时实现根据前述方面所描述的方法的步骤。

17、根据本公开提供的用于确定图片生成模型的方法，可以通过冻结模型，分别基于第一引导信息和第二引导信息获得第一预测和第二预测，通过与冻结模型结构相同的目标模型，基于合并引导信息获得第三预测，进而根据基于第一预测、第二预测得到的合并预测与第三预测之间的差异，来更新目标模型的模型参数。通过迭代执行上述用于确定图片生成模型的方法，可以不断优化目标模型的模型参数，使得所确定的图片生成模型在输出图片数据时，既能够反映合并引导信息所涉及的全局信息，又不会模糊或忽略掉第一引导信息及第二引导信息所涉及的局部信息。由此，所确定的图片生成模型可以快速生成大量符合需求的图片样本，以用于图片识别模型或图片分类模型的训练，这有助于降低图片样本的获取成本、提升图片样本质量，并进而有助于优化相关模型在诸如内容审核等领域中的处理性能。

18、根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。