[发明专利]一种文字生成方法、装置、存储介质及电子设备

说明书

本说明书公开了一种文字生成方法、装置、存储介质及电子设备，本说明书实施例通过预先训练的文字生成模型，分别提取原始文字图像中文字的结构特征和指定文字图像中文字的效果特征。然后，将结构特征与效果特征进行融合，生成指定文字效果的文字图像。在此方法中，分别提取具有指定文字效果的文字图像中的效果特征和指定文字的结构特征后，将该效果特征与该结构特征相融合，可以避免生成的文字图像中文字样式不确定的问题。其中，文字样式包括文字结构和文字效果。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种文字生成方法、装置、存储介质及电子设备。

背景技术

如今，随着技术的发展，文字的应用越来越多。而针对不同应用范围，对文字样式的要求也不尽相同。因此，生成多样性的文字就显得十分重要。

现有技术中，将原始文字图像与指定文字样式的文字图像输入生成式对抗网络(Generative Adversarial Networks，GAN)后，对GAN进行训练，然后，利用训练完成的GAN生成所需的文字图像。

然而，由于GAN的训练过程不稳定，导致训练完成的GAN生成的文字图像中的文字样式不确定。

发明内容

本说明书实施例提供一种文字生成方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种文字生成方法，包括：

获取原始文字图像及指定文字图像；

将所述原始文字图像输入预先训练的文字生成模型中的第一子模型，通过所述第一子模型，提取所述原始文字图像中文字的结构特征；并，将所述指定文字图像输入所述文字生成模型中的第二子模型，通过所述第二子模型，提取所述指定文字图像中文字的效果特征；

将所述结构特征与所述效果特征输入所述文字生成模型中的第三子模型，通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像。

可选地，所述文字生成模型为编解码模型结构。

可选地，所述第一子模型包括：结构特征编码器；

通过所述第一子模型，提取所述原始文字图像中文字的结构特征，具体包括：

通过所述结构特征编码器，对所述原始文字图像中文字进行结构特征提取，得到所述原始文字图像中文字的结构特征图。

可选地，所述第二子模型包括：效果特征编码器；

通过所述第二子模型，提取所述指定文字图像中文字的效果特征，具体包括：

通过所述效果特征编码器，对所述指定文字图像中文字进行效果特征提取，得到所述指定文字图像中文字的效果特征值。

可选地，所述第三子模型包括：解码器；

通过所述第三子模型，将所述结构特征与所述效果特征进行融合，生成指定文字效果的文字图像，具体包括：

通过所述解码器，将所述结构特征图与所述效果特征值进行融合，生成指定文字效果的文字图像。

可选地，预先训练文字生成模型，具体包括：

获取原始样本文字图像及指定样本文字图像；

通过所述第一子模型，提取所述原始样本文字图像中文字的结构特征，作为待优化结构特征；并，通过所述第二子模型，提取所述指定样本文字图像中文字的效果特征，作为待优化效果特征；

根据所述待优化结构特征与所述待优化效果特征，通过所述第三子模型，生成待优化文字图像；