条件图像生成方法、装置、电子设备及存储介质与流程

本发明涉及人工智能技术、图像处理，可应用于金融科技场景及健康医疗场景，尤其涉及一种条件图像生成方法、装置、电子设备及存储介质。

背景技术：

1、条件图像生成方法用于根据给定的条件信息生成符合语义要求的图像，以满足不同场景下对定制化图像内容的需求。以金融领域的风控样本扩充场景为例，通过条件图像生成方法可按照用户指定的单证版式、欺诈特征，生成稀缺的异常金融单证图像，从而可以丰富风控识别模型的训练样本池，以提升该风控识别模型欺诈风险检测的精准度。以健康医疗领域的医学影像数据构建场景为例，通过条件图像生成可按照用户指定的病灶类型、病变程度，生成罕见病例的医学影像样本，从而可以弥补临床稀缺病例数据不足的缺陷，除此之外，还能够支撑医学辅助诊断模型的优化训练。

2、目前，条件图像生成大多依据训练数据呈现的统计规律搭建固定的生成逻辑，因此，仅能适配训练数据覆盖的有限场景，例如，在按类别生成动物图像的任务中，训练数据里所有标注为猫的图像，背景均为绿色草地，此时，图像生成模型在学习过程中，会依据这批训练数据呈现的统计关联，形成生成猫的图像就搭配草地背景的固定生成逻辑，当需要生成背景为雪地的猫图像时，由于该场景未被这批训练数据覆盖，该图像生成模型无法生成符合要求的合格图像，受此限制，当面对训练数据未覆盖的新场景时，图像生成模型生成的图像与真实的图像特征、内在语义逻辑以及实际使用需求会出现明显偏差，从而导致最终所生成的图像不够精准。因此，如何提高条件图像生成的准确性，成为了亟待解决的技术问题。

技术实现思路

1、本发明提供一种人工智能的条件图像生成方法、装置、计算机设备及介质，旨在解决现有条件图像生成方法依赖训练数据统计规律进行特征关联、缺乏对特征因果结构的显式建模，进而导致分布偏移场景下生成质量下降、泛化能力不足且特征选择过程缺乏可解释性的技术问题，以提高条件图像生成的准确性。

2、第一方面，提供了一种条件图像生成方法，包括：

3、获取目标图像生成模型，其中，所述目标图像生成模型包括特征编码网络、中间特征提取网络、因果发现网络、因果感知自适应注意力网络及图像解码网络；

4、基于所述特征编码网络，对预先获取的图像生成需求数据进行特征编码，得到需求特征编码向量；

5、基于所述中间特征提取网络，对所述需求特征编码向量进行图像特征转换，得到图像特征向量；

6、基于所述因果发现网络，对所述需求特征编码向量及所述图像特征向量进行因果关联运算，得到特征关联因果图；

7、基于所述因果感知自适应注意力网络及所述特征关联因果图，进行注意力分配，得到图像特征权重；

8、基于所述图像特征权重，对所述图像特征向量进行特征投影调制，得到目标图像特征；

9、基于所述图像解码网络及所述目标图像特征进行图像解码合成，得到目标图像。

10、第二方面，提供了一种条件图像生成装置，包括：

11、模型加载模块，用于获取目标图像生成模型，其中，所述目标图像生成模型包括特征编码网络、中间特征提取网络、因果发现网络、因果感知自适应注意力网络及图像解码网络；

12、特征编码模块，用于基于所述特征编码网络，对预获取的图像生成需求数据进行特征编码，得到需求特征编码向量；

13、特征转换模块，用于基于所述中间特征提取网络，对所述需求特征编码向量进行图像特征转换，得到图像特征向量；

14、因果关联模块，用于基于所述因果发现网络，对所述需求特征编码向量及所述图像特征向量进行因果关联运算，得到特征关联因果图；

15、量化评估模块，用于基于所述因果感知自适应注意力网络及所述特征关联因果图，进行注意力分配，得到图像特征权重；

16、投影调制模块，用于基于所述图像特征权重，对所述图像特征向量进行特征投影调制，得到目标图像特征；

17、解码合成模块，用于基于所述图像解码网络及所述目标图像特征进行图像解码合成，得到目标图像。

18、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述条件图像生成方法的步骤。

19、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述条件图像生成方法的步骤。

20、上述条件图像生成方法、装置、计算机设备及存储介质所实现的方案中，可以先通过因果发现网络构建需求特征编码向量与图像特征向量间的特征关联因果图，能够从根源层面区分与图像生成需求数据存在真实因果关联的核心特征及仅存在统计关联的干扰特征，从而规避了虚假相关性造成的特征选择偏差，保障了特征筛选的精准度，其次，依托因果感知自适应注意力网络，基于特征关联因果图的因果重要性动态分配图像特征权重并完成特征投影调制，使得生成过程能够优先强化核心因果特征的表达、抑制非因果干扰特征的影响，从而提升了特征聚合与图像表征的合理性，最后，目标图像生成模型根据目标图像特征生成与输入图像生成需求数据匹配的目标图像，有效改善了传统方法在分布外场景下生成内容偏离需求的问题，除此之外，还提高了条件图像生成的准确性。

1.一种条件图像生成方法，其特征在于，包括：

2.如权利要求1所述的条件图像生成方法，其特征在于，所述目标图像生成模型的训练步骤包括：

3.如权利要求2所述的条件图像生成方法，其特征在于，所述基于所述预测图像特征权重进行正则化计算，得到因果正则化损失，包括：

4.如权利要求2所述的条件图像生成方法，其特征在于，所述样本需求数据包括局部语义实体；

5.如权利要求1所述的条件图像生成方法，其特征在于，所述基于所述因果发现网络，对所述需求特征编码向量及所述图像特征向量进行因果关联运算，得到特征关联因果图，包括：

6.如权利要求1-5任一项所述的条件图像生成方法，其特征在于，所述基于基于所述因果感知自适应注意力网络及所述特征关联因果图，进行注意力分配，得到图像特征权重，包括：

7.如权利要求1-5任一项所述的条件图像生成方法，其特征在于，所述基于所述图像特征权重，对所述图像特征向量进行特征投影调制，得到目标图像特征，包括：

8.一种条件图像生成装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述条件图像生成方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述条件图像生成方法的步骤。