[发明专利]用于输出信息的方法和装置

说明书

本公开的实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取包括待替换掉文字的风格图片和包括目标文字的文本图片；从风格图片中学习待替换掉文字的文本风格属性；基于文本风格属性和文本图片生成前景图片和掩码图片；从风格图片中擦除待替换掉文字生成背景图片；将前景图片、掩码图片和背景图片融合生成目标图片并输出。该实施方式集成了目标文本风格增量式学习的优势，采用对抗生成网络学习的方法，多维度学习任意形状的文字几何特征和其他属性特征，同时解决其他方法生成目标文本过程会丢失的文本结构性特征。该方法运用于图像生成，运行速度较快，可以满足一些实时的应用场景。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

图像和视频中的文本，或称为场景文本，包含丰富的语义信息，在许多多媒体应用程序中非常有用。文本风格迁移和背景纹理修复的相关工作一直是文本编辑领域中诸多学者研究的热门课题，随着深度学习时代的变革，文本图片编辑也由传统的方法向基于对抗神经网络风格迁移转变。

在文本编辑中，保持原文本风格是一件非常具有挑战性的工作。人们尝试在给定的图像或者风格化的文字样本中迁移或者复制其文字的风格信息。目前一些方法侧重于字符级风格转换。比如自编码网络文字风格迁移和基于生成对抗网络方法。

目前文本图片编辑面临着两大挑战：文本风格的转换和背景纹理的保留。特别是场景图像中文本的属性是多样的，如语言、字体、颜色、方向、笔画大小、空间透视信息等，这使得精确地捕获与文本相关的所有特性并将其迁移给目标文本变得困难，同时，保持背景与原图像的一致性也是一个难点，尤其是在菜单、街店招牌等复杂场景中出现文字时，此外，如果目标文本比原始文本短，则编辑后的图像应删除超出字符区域，并使用适当的纹理将其覆盖。所以，如果只是基于现有方法很难直接应用于文本风格迁移。同时，目前基于图像生成方法大多采用的是神经卷积网络图像重建的方法，但是如此生成过程容易丢失文本的属性信息，生成结果结构不规则，字体与之前的不一致等。

发明内容

本公开的实施例提出了用于输出信息的方法和装置。

第一方面，本公开的实施例提供了一种用于输出信息的方法，包括：获取包括待替换掉文字的风格图片和包括目标文字的文本图片；从风格图片中学习待替换掉文字的文本风格属性；基于文本风格属性和文本图片生成前景图片和掩码图片；从风格图片中擦除待替换掉文字生成背景图片；将前景图片、掩码图片和背景图片融合生成目标图片并输出。

在一些实施例中，从风格图片中学习待替换掉文字的文本风格属性，包括：通过空间变换网络从风格图片中学习待替换掉文字的倾斜、透射变换信息。

在一些实施例中，从风格图片中学习待替换掉文字的文本风格属性，包括：通过四边形检测加薄板样条函数变换方法从风格图片中学习待替换掉文字的倾斜、透射变换信息。

在一些实施例中，从风格图片中学习待替换掉文字的文本风格属性，包括：通过笔划过滤器从风格图片中学习待替换掉文字的笔画粗细、字体信息。

在一些实施例中，基于文本风格属性生成掩码图片，包括：基于待替换掉文字的倾斜、透射变换信息和笔画粗细、字体信息生成掩码图片。

在一些实施例中，从风格图片中学习待替换掉文字的文本风格属性，包括：从风格图片中学习待替换掉文字的颜色信息。

在一些实施例中，获取包括目标文字的文本图片，包括：获取目标文字；基于目标文字生成预定格式的文本图片。

在一些实施例中，前景图片、掩码图片和背景图片通过条件生成对抗网络生成。