本發(fā)明涉及生成式人工智能，更具體地說，它涉及一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制系統(tǒng)及方法。

背景技術(shù)：

1、生成的文本一般是長時序的語義內(nèi)容，對于同一個用戶來說其對于生成文本的需求一般具有相對穩(wěn)定的傾向，很少會受到情緒等短暫狀態(tài)的變化的影響，因此可以通過用戶使用生成模型的過程中的增量訓練來微調(diào)模型適應用戶的傾向；

2、與文本生成不同的是，圖像繪制的傾向具有極大的隨機性，會受到用戶情緒等短暫狀態(tài)的變化的影響，傾向不具有中期的穩(wěn)定性，因此增量訓練微調(diào)模型與不微調(diào)模型的區(qū)別不大；因此圖像繪制極其依賴用戶所輸入的約束信息，初學者非常難以組合輸入合適的約束信息來獲得符合自己期望的圖像繪制結(jié)果，人工智能生成系統(tǒng)的學習成本非常高。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制系統(tǒng)及方法，解決相關(guān)技術(shù)中圖像繪制極其依賴用戶所輸入的約束信息，初學者非常難以組合輸入合適的約束信息來獲得符合自己期望的圖像繪制結(jié)果，人工智能生成系統(tǒng)的學習成本非常高的技術(shù)問題。

2、本發(fā)明提供了一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，包括以下步驟：

3、step100，構(gòu)建圖像繪制環(huán)境，圖像繪制環(huán)境包括具有圖像生成的通用能力的圖像生成模型；

4、step200，在用戶指定的領域內(nèi)獲取該領域的通用的知識圖譜；

5、step300，收集用戶的圖像繪制的條件約束信息；

6、step400，step300中的條件約束信息輸入到圖像繪制環(huán)境中，獲取一個以上的初始圖像；

7、step500，根據(jù)step300中的條件約束信息和step400中的初始圖像，通過實體匹配從step200中的知識圖譜中匹配實體，并以匹配的實體為中心進行隨機游走來獲得實體集合，實體集合包括了從step200中的知識圖譜中匹配的實體；

8、step600，將初始圖像和實體集合中的實體抽象為可視化對象，一個可視化對象表示一個初始圖像或?qū)嶓w集合中的一個實體；并在可視化環(huán)境中將可視化對象進行可視化，通過讀取用戶在可視化環(huán)境中為可視化對象建立聯(lián)系的操作來為可視化對象構(gòu)建對象關(guān)系；

9、step700，將step600中的可視化對象和可視化對象的對象關(guān)系輸入知識引導模型中，知識引導模型包括可視化對象知識關(guān)系識別層、融合層和特化圖像生成層，其中可視化對象知識關(guān)系識別層輸入可視化對象和可視化對象的對象關(guān)系，輸出知識關(guān)系識別特征矩陣，融合層將知識關(guān)系識別特征矩陣與圖像生成模型的解碼器的輸出層的輸入特征融合，獲得融合特征到特化圖像生成層，特化圖像生成層輸出特化圖像。

10、進一步地，用戶指定的領域包括：創(chuàng)意設計輔助、個性化定制設計和創(chuàng)意素材生成。

11、進一步地，用戶對于圖像繪制的條件約束信息包括文本描述、關(guān)鍵詞、參考圖。

12、進一步地，隨機游走的參數(shù)為：步長為w，步數(shù)為m；w為隨機數(shù)，3≥w≥1，m的值域為5-50，缺省值為9。

13、進一步地，可視化對象可視化的內(nèi)容包括可視化對象所表示的初始圖像或可視化對象所表示的實體的屬性，但是可視化的內(nèi)容不包含實體在知識圖譜中的關(guān)系。

14、進一步地，知識引導模型預訓練時連接知識關(guān)系還原層，知識關(guān)系還原層的計算公式如下：

15、

16、其中表示關(guān)系模式矩陣，表示知識關(guān)系識別特征矩陣，表示將大于0.5的值變更為1，關(guān)系模式矩陣的第i行第j列的元素表示第i個可視化對象和第j個可視化對象之間是否存在對象關(guān)系，如果元素值為1，則表示存在，否則表示不存在，表示轉(zhuǎn)置；通過知識關(guān)系還原層的輸出與可視化對象實際的對象關(guān)系的差來作為預訓練的損失。

17、進一步地，前述的基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法還包括：

18、step800，將step700中圖像生成模型輸出的圖像和特化圖像生成層輸出的特化圖像加入step500中實體匹配的根據(jù)中，然后迭代step500-800，迭代終止的條件是接收到用戶發(fā)送的終止圖像生成的指令。

19、進一步地，在知識引導模型中增加時序模塊，時序模塊輸入時序序列，時序序列的一個序列單元表示一次迭代step500-800的過程中產(chǎn)生的融合特征，然后輸出序列識別特征到特化圖像生成層，特化圖像生成層輸出特化圖像。

20、本發(fā)明提供了一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制系統(tǒng)，其能夠被運行于計算機上，能夠執(zhí)行前述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法中的步驟。

21、本發(fā)明提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時使所述處理器執(zhí)行前述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法。

22、本發(fā)明的有益效果在于：本發(fā)明能夠以用戶輸入的約束信息來構(gòu)建表達用戶短時傾向的結(jié)構(gòu)化知識，并通過結(jié)構(gòu)化知識的學習來調(diào)控通用型圖像生成模型的生成圖像來獲得符合用戶短時傾向的圖像，顯見的降低了對用戶的約束信息的質(zhì)量的要求，降低了用戶的學習和使用成本。

技術(shù)特征：

1.一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，用戶指定的領域包括：創(chuàng)意設計輔助、個性化定制設計和創(chuàng)意素材生成。

3.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，用戶對于圖像繪制的條件約束信息包括文本描述、關(guān)鍵詞、參考圖。

4.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，隨機游走的參數(shù)為：步長為w，步數(shù)為m；w為隨機數(shù)，3≥w≥1，m的值域為5-50，缺省值為9。

5.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，可視化對象可視化的內(nèi)容包括可視化對象所表示的初始圖像或可視化對象所表示的實體的屬性，但是可視化的內(nèi)容不包含實體在知識圖譜中的關(guān)系。

6.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，知識引導模型預訓練時連接知識關(guān)系還原層，知識關(guān)系還原層的計算公式如下：

7.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，還包括：

8.根據(jù)權(quán)利要求7所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法，其特征在于，在知識引導模型中增加時序模塊，時序模塊輸入時序序列，時序序列的一個序列單元表示一次迭代step500-800的過程中產(chǎn)生的融合特征，然后輸出序列識別特征到特化圖像生成層，特化圖像生成層輸出特化圖像。

9.一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制系統(tǒng)，其特征在于，其能夠被運行于計算機上，能夠執(zhí)行前述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法中的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時使所述處理器執(zhí)行如權(quán)利要求1-8任一所述的一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法。

技術(shù)總結(jié)
本發(fā)明涉及生成式人工智能技術(shù)領域，公開了一種基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制系統(tǒng)及方法，其中基于大數(shù)據(jù)和人工智能的生成系統(tǒng)技術(shù)的圖像繪制方法包括：收集用戶的圖像繪制的條件約束信息；條件約束信息輸入到圖像繪制環(huán)境中，獲取一個以上的初始圖像；根據(jù)條件約束信息和初始圖像獲取可視化對象，為可視化對象構(gòu)建對象關(guān)系；將可視化對象和可視化對象的對象關(guān)系輸入知識引導模型中，知識引導模型輸出特化圖像；本發(fā)明能夠以用戶輸入的約束信息來構(gòu)建表達用戶短時傾向的結(jié)構(gòu)化知識，并通過結(jié)構(gòu)化知識的學習來調(diào)控通用型圖像生成模型的生成圖像來獲得符合用戶短時傾向的圖像。

技術(shù)研發(fā)人員：費旭然
受保護的技術(shù)使用者：北京青藤科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6