一种基于扩散模型的条件引导图像翻译方法

本发明公开了一种基于扩散模型的条件引导图像翻译方法，所述方法提出一种结合扩散模型与条件生成对抗网络的两阶段图像翻译模型，阶段一预训练ResAttNet1提取深度特征，利用深度特征图中包含的丰富语义信息，作为条件生成对抗网络的条件信息，引导条件生成对抗网络完成图像翻译。阶段二利用训练好的ResAttNet1和参数随机初始化的ResAttNet2分别提取全局特征信息和样本级深度特征，采用条件生成对抗网络与扩散模型联合训练的策略，使用一个轻量的扩散模型细化深度特征，最终构建一个训练稳定、生成图像保真度好、采样速率高的图像翻译网络。该方法能够提高条件信息的质量和准确性，有效提升CGAN的图像翻译性能。