一种AI生成多风格模型的压缩方法及系统与流程

本发明涉及计算机视觉领域，具体而言，涉及一种ai生成多风格模型的压缩方法及系统。

背景技术：

1、在一些涉及风格化的ai生成模型应用中，往往同一任务有多个风格供用户选择，例如人脸增强任务中有柔和、锐利的风格效果。用户可以根据个人偏好来选择他们自己喜欢的风格，不同风格对应的生成模型往往网络结构一样，但模型的参数不一样，而生成模型在使用gan或diffusion等网络结构时，往往会出现参数量大，模型体积大，占用较多空间，计算资源消耗较大、部署方便性较差等问题。

2、因此，我们有必要开发出一种ai生成多风格模型的压缩方法及系统，可以对ai生成的多风格模型进行压缩，较大程度上减少多风格模型的总体积大小。

技术实现思路

1、本发明的目的在于提供一种ai生成多风格模型的压缩方法及系统，以解决上述背景技术中提到的现有方案中现有ai生成多风格模型体积较大等问题。

2、为实现上述目的，本发明采用以下技术方案：

3、根据本发明的一个方面，提供一种ai生成多风格模型的压缩方法，所述方法具体如下：

4、用户选取需要的风格，通过ai生成模型来生成相应的多风格模型，所述风格不少于两种；

5、基于所述风格，对ai生成模型进行风格训练，所述风格训练包括第一风格训练、第二风格训练；

6、将所述ai生成模型通过所述第一风格训练得到第一风格模型，将所述第一风格模型通过所述第二风格训练得到第二风格模型；

7、导出所述第一风格模型和所述第二风格模型的公共模型和非公共模型，将所述公共模型和非公共模型保存在所述多风格模型中，得到压缩后的所述多风格模型。

8、基于前述方案，所述第二风格训练，是在所述第一风格训练得到所述第一风格模型的基础上，对所述第一风格模型进行迁移学习，来得到所述第二风格模型。

9、基于前述方案，所述公共模型为所述第一风格模型和所述第二风格模型中可独立导出的冻结层。

10、基于前述方案，所述非公共模型中，将所述第一风格模型中不可独立导出的冻结层作为第一冻结层，将所述第二风格模型中不可独立导出的冻结层作为第二冻结层。

11、基于前述方案，所述第一冻结层作为差值模型的基准模型，将所述第二冻结层和所述第一冻结层的模型参数作差值，所述第二冻结层的参数会变为零值，保留并提取非零参数及其节点信息，生成第二风格模型的差值模型，作为新的第二冻结层替换所述第二冻结层，并更新所述非公共模型部分。

12、基于前述方案，所述多风格模型，包括多风格脸部生成网络模型，所述风格包括柔和、锐化以及平衡。

13、基于前述方案，所述多风格模型有两种以上风格时，将所述第二风格模型通过第三风格训练得到第三风格模型。

14、优选地，当存在第三风格模型时，

15、通过采用上述技术方案，通过对多风格模型进行迁移学习，使第一风格模型、第二风格模型、第三风格模型或更多模型拥有相同的网络结构和模型参数，并能导出上述风格模型的公共模型，非公共模型则进行不同风格模型相互之间的差值处理并更新，最后保存公共模型和更新后的非公共模型，避免了重复的公共模型的多次保存，非公共模型使用差值模型来减少体积大小，实现多风格模型的压缩效果。

16、根据本发明的一个方面，提供一种ai生成多风格模型的压缩系统，所述系统包括：

17、模型生成模块，用于在用户选取需要的风格后，通过ai生成模型生成多风格模型；

18、风格训练模块，用于基于所述风格，对ai生成模型进行风格训练，得到第一风格模型和第二风格模型；

19、模型压缩模块，用于导出所述第一风格模型和所述第二风格模型的公共模型和非公共模型，将所述公共模型和非公共模型保存在所述多风格模型中，得到压缩后的所述多风格模型。

20、基于前述方案，所述风格训练模块包括：

21、第一风格训练单元，用于对所述ai生成模型进行第一风格训练，得到所述第一风格模型；

22、第二风格训练单元，用于对所述第一风格模型进行第二风格训练，得到所述第二风格模型。

23、基于前述方案，所述模型压缩模块，包括：

24、公共模型压缩模块，用于导出所述公共模型并保存；

25、非公共模型压缩模块，用于将所述非公共模型中第二冻结层和第一冻结层的模型参数作差值，保留并提取非零参数及其节点信息，作为新的第二冻结层替换所述第二冻结层并保存。

26、由上述技术方案可知，本发明与现有技术相比至少具备以下优点和积极效果：

27、(1)导出不同风格模型的公共模型，减少不同风格模型的重复部分对系统内存和计算资源的占用。

28、(2)使用差值模型方法，减少不同风格模型之间的非公共模型部分的体积大小，对多风格模型的总体积大小进一步压缩；

29、(3)公共模型与非公共模型转换成差值模型的结合使用，较大程度上降低了ai生成多风格模型的总体积大小，当风格较多时，压缩效果明显。

技术特征：

1.一种ai生成多风格模型的压缩方法，其特征在于，包括：

2.根据权利要求1所述的一种ai生成多风格模型的压缩方法，其特征在于，所述第二风格训练，是在所述第一风格训练得到所述第一风格模型的基础上，对所述第一风格模型进行迁移学习，来得到所述第二风格模型。

3.根据权利要求1所述的一种ai生成多风格模型的压缩方法，其特征在于，所述公共模型为所述第一风格模型和所述第二风格模型中可独立导出的冻结层。

4.根据权利要求1所述的一种ai生成多风格模型的压缩方法，其特征在于，所述非公共模型中，将所述第一风格模型中不可独立导出的冻结层作为第一冻结层，将所述第二风格模型中不可独立导出的冻结层作为第二冻结层。

5.根据权利要求4所述的一种ai生成多风格模型的压缩方法，其特征在于，所述第一冻结层作为差值模型的基准模型，将所述第二冻结层和所述第一冻结层的模型参数作差值，所述第二冻结层的参数会变为零值，保留并提取非零参数及其节点信息，生成第二风格模型的差值模型，作为新的第二冻结层替换所述第二冻结层，并更新所述非公共模型部分。

6.根据权利要求1所述的一种ai生成多风格模型的压缩方法，其特征在于，所述多风格模型，包括多风格脸部生成网络模型，所述风格包括柔和、锐化以及平衡。

7.根据权利要求1所述的一种ai生成多风格模型的压缩方法，其特征在于，所述多风格模型有两种以上风格时，将所述第二风格模型通过第三风格训练得到第三风格模型。

8.一种ai生成多风格模型的压缩系统，其特征在于，包括：

9.根据权利要求8所述的一种ai生成多风格模型的压缩系统，其特征在于，所述风格训练模块包括：

10.根据权利要求8所述的一种ai生成多风格模型的压缩系统，其特征在于，所述模型压缩模块，包括：

技术总结本发明提供了一种AI生成多风格模型的压缩方法及系统，根据用户选取的风格，通过AI生成模型来生成相应的多风格模型；基于所述风格，对AI生成模型进行风格训练；将所述AI生成模型通过所述第一风格训练得到第一风格模型，将所述第一风格模型通过所述第二风格训练得到第二风格模型；导出所述第一风格模型和所述第二风格模型的公共模型和非公共模型，将所述公共模型和非公共模型保存在所述多风格模型中，得到压缩后的所述多风格模型。从而完成AI生成的多风格模型的压缩，能够有效减小多风格模型的体积大小，提高系统资源使用效率。技术研发人员：王英受保护的技术使用者：深圳牛学长科技有限公司技术研发日：技术公布日：2024/7/29