基于IoT设备的楼宇装饰图像生成方法、装置、设备与流程

基于iot设备的楼宇装饰图像生成方法、装置、设备
技术领域
1.本公开涉及图像生成技术领域，尤其涉及一种基于iot设备的楼宇装饰图像生成方法、装置、设备。


背景技术：

2.楼宇的装饰和装修对生活其中人的心情和效率有着非常显著影响。一个合理的楼宇装饰对生活其中的人至关重要。除了西方的研究，东方的“望梅止渴”也一定程度上说明了楼宇装饰的重要。试想夏天室内挂满“冰西瓜”的画，应该是能够减少人们对空调的依赖，从而调高空调温度，以减少碳排放的。
3.但在目前的技术方案中，并不能针对楼宇丰富的环境信息高效且准确地生成对应的装饰图像。


技术实现要素：

4.本公开提供了一种基于iot设备的楼宇装饰图像生成方法、装置、设备。
5.根据本公开的第一方面，提供了一种基于iot设备的楼宇装饰图像生成方法，该方法包括：
6.基于目标楼宇内部署的iot设备采集目标楼宇的环境信息；
7.将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像；
8.其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。
9.在第一方面的一些实现方式中，环境信息包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。
10.在第一方面的一些实现方式中，环境信息还包括：语言引导信号和随机噪声信号，其中，语言引导信号包括装饰图像的主题以及氛围信息。
11.在第一方面的一些实现方式中，楼宇装饰图像生成模型是通过以下训练步骤得到的：
12.将样本集中的样本输入至待训练的楼宇装饰图像生成模型中，生成样本对应的装饰图像；
13.基于样本对应的装饰图像以及样本标签计算损失值；
14.根据损失值对待训练的楼宇装饰图像生成模型中的参数进行更新；
15.不断迭代，直到满足预设停止条件，得到楼宇装饰图像生成模型。
16.在第一方面的一些实现方式中，待训练的楼宇装饰图像生成模型包括aigc模型。
17.根据本公开的第二方面，提供了一种基于iot设备的楼宇装饰图像生成装置，该装置包括：
18.采集模块，用于基于iot设备采集与目标楼宇相关的环境信息；
19.图像生成模块，将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像，其中，环境信息包括温度、湿度、天气、空气质量、环境人员年龄、环境人员性别以及环境人员拥挤度；
20.其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本包括环境信息，以及与环境信息对应的装饰图像标签。
21.在第二方面的一些实现方式中，环境信息包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。
22.在第二方面的一些实现方式中，环境信息还包括：语言引导信号和随机噪声信号，其中，语言引导信号包括装饰图像的主题以及氛围信息。
23.根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，存储器上存储有计算机程序，处理器执行程序时实现如以上的方法。
24.根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现如根据本公开的第一方面的方法。
25.本公开通过基于目标楼宇内部署的iot设备采集目标楼宇的环境信息；将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像；其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。通过iot设备采集数据，并基于机器模型进行计算，从而实现迅速且准确地生成目标楼宇对应的装饰图像。
26.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
27.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
28.图1示出了根据本公开的实施例的一种基于iot设备的楼宇装饰图像生成方法的流程示意图；
29.图2示出了根据本公开的实施例的一种基于iot设备的楼宇装饰图像生成装置的框图；
30.图3示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
31.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
32.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
33.楼宇的装饰和装修对生活其中人的心情，效率有着非常显著影响。哈佛大学的心理学家朗格教授在《the bane of the focused mind:an exploration of attentional impairments in aging》一文中发现，让80对的老人沉浸在他们20年前的环境里面，他们主观的(例如：自我强壮度的感受)和客观的(例如：视力、记忆力、以及骨骼间隙)年龄都有显著的年轻化。从而可以说明一个合理的楼宇装饰对生活其中的人至关重要。除了西方的研究，东方的“望梅止渴”也一定程度上说明了楼宇装饰的重要。试想夏天室内挂满“冰西瓜”的画，应该是能够减少人们对空调的依赖，从而调高空调温度，以减少碳排放的。随着人工智能的发展，楼宇装饰也越来越智能化。
34.但在目前的技术方案中，并不能针对楼宇丰富的环境信息高效且准确地生成对应的装饰图像。
35.本公开中，通过基于目标楼宇内部署的iot设备采集目标楼宇的环境信息；将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像；其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。通过iot设备采集多种数据，并基于机器模型进行计算处理，从而实现迅速且准确地生成目标楼宇对应的装饰图像。
36.图1示出了根据本公开实施例提供的一种基于iot设备的楼宇装饰图像生成方法的流程示意图，该方法可以应用于服务器，如图1所示，基于iot设备的楼宇装饰图像生成方法100可以包括：
37.s101，基于目标楼宇内部署的iot设备采集目标楼宇的环境信息。
38.s102，将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像。
39.其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。
40.在s101和s102的过程中，通过iot设备采集数据，并基于机器模型进行图像生成，从而可以实现迅速且准确地生成目标楼宇对应的装饰图像。
41.生成的装饰图像可以直接投影在遍布楼宇的屏幕上(会议室，办公室，展厅甚至专门的展示屏上)，也可以打印制作成传统画像进行悬挂。
42.在s101中，为了使环境信息中的数据足够丰富，以使机器模型生成的楼宇装饰图像足够准确，在一些实施例中，该环境信息可以包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。
43.还需要说明的是，为了与上述环境信息中包括的各种数据相对应，iot设备具体可以包括温度传感器、湿度传感器、天气监测器、空气质量传感器、摄像头、拥挤度传感器、时间季节节日获取模块以及定位传感器。
44.在上述实施例中，通过采集丰富的环境信息，使得机器模型生成的楼宇装饰图像
足够准确和全面，且直接和当前环境相关，无需人工干预。
45.在s101中，为了对楼宇装饰图像生成模型中生成的装饰图像能够进行人工控制以及确保生成的装饰图像具有多样性，在一些实施例中，环境信息还可以包括：语言引导信号和随机噪声信号，其中，语言引导信号可以包括装饰图像的主题以及氛围信息等人工希望控制的内容。
46.在上述实施例中，语言引导信号可以增加人工对生成的装饰图像的控制性，随机噪声信号可以用来保证生成的装饰图像的多样性。有了随机噪声信号，可以使得在“环境信息”和“语言引导信号”完全一样的时候，生成很多个内容相关的不同图片，从而对应大量生成的使用要求，进而保证了机器模型生成的楼宇装饰图像的全面性。
47.为了使s102中的楼宇装饰图像生成模型可以准确生成所期望的装饰图像，在一些实施例中，楼宇装饰图像生成模型在使用之前，可以通过以下训练步骤得到：
48.将样本集中的样本输入至待训练的楼宇装饰图像生成模型中，生成样本对应的装饰图像；
49.基于样本对应的装饰图像以及样本标签计算损失值；
50.根据损失值对待训练的楼宇装饰图像生成模型中的参数进行更新；
51.不断迭代，直到满足预设停止条件，得到楼宇装饰图像生成模型。
52.在上述实施例中，在使用楼宇装饰图像生成模型之前，通过输入样本，对待训练的楼宇装饰图像生成模型进行不断训练，不断迭代，得到楼宇装饰图像生成模型，确保了楼宇装饰图像生成模型的生成准确性。
53.在一些实施例中，为了确保模型的计算效率，待训练的楼宇装饰图像生成模型包括aigc模型。
54.在上述实施例中，通过依托于aigc的人工智能方案，可以非常容易的生成大量对应图像内容，经过内容安全审核后就可以直接发布，每张图片的生成时间都可以是一分钟以内，效率很高。而且因为无需画手参与而是机器自动运行，每张图片的成本会显著下降。从而可以做到，低成本短时大量生成楼宇装饰图像，也使得依托环境快速更新全楼装饰画成为可能。
55.相较于传统aigc模型来说，通过将iot设备多样环境信号作为输入，使得生成的装饰图像针对目标楼宇也更加准确。
56.本公开的实施例提供的基于iot设备的楼宇装饰图像生成方法，通过基于目标楼宇内部署的iot设备采集目标楼宇的环境信息；将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像；其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。本公开通过iot设备采集数据，并基于机器模型进行计算，从而实现迅速且准确地生成目标楼宇对应的装饰图像，解决原来装饰图像生成成本高，效率低，且很难直接和当前环境建立联系的技术和应用问题。
57.此外，本公开的实施例，相较于人工画手来说，能够批量的、低成本、因时因地因人的快速生成大量的装饰画，可以做到全楼装饰都每个节日一换，每个活动一换，每个参观对象一换，每种天气一换，甚至每天一换。相较于现在的传统aigc来说，本专利引入iot设备采集的环境信息，例如温度、湿度、天气、空气质量、环境人员年龄、性别组成、拥挤度、时间、季
节、节日、区域位置等，从而可以让生成的内容更加与当前环境和对象符合，并且整个生成、调节过程可以无需人工调教。
58.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开方案进行进一步说明。
59.图2示出了根据本公开的实施例的一种基于iot设备的楼宇装饰图像生成装置的框图。
60.如图2所示，基于iot设备的楼宇装饰图像生成装置200包括：
61.采集模块201，用于基于iot设备采集与目标楼宇相关的环境信息。
62.图像生成模块202，将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像，其中，环境信息包括温度、湿度、天气、空气质量、环境人员年龄、环境人员性别以及环境人员拥挤度。
63.其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本包括环境信息，以及与环境信息对应的装饰图像标签。
64.在一些实施例中，环境信息包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。
65.在一些实施例中，环境信息还包括：语言引导信号和随机噪声信号，其中，语言引导信号包括装饰图像的主题以及氛围信息。
66.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
67.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
68.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
69.图3示出了能够实施本公开的实施例的示例性电子设备的方框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
70.设备300包括计算单元301，其可以根据存储在只读存储器(rom)302中的计算机程序或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序，来执行各种适当的动作和处理。在ram 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
71.设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如
因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
72.计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到ram 303并由计算单元301执行时，可以执行上文描述的方法100的一个或多个步骤。
73.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
74.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
75.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
76.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
77.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
78.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
79.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
80.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种基于iot设备的楼宇装饰图像生成方法，其特征在于，所述方法包括：基于目标楼宇内部署的iot设备采集所述目标楼宇的环境信息；将采集的所述环境信息输入至楼宇装饰图像生成模型中，生成所述目标楼宇对应的装饰图像；其中，所述楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，所述样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。2.根据权利要求1所述的方法，其特征在于，所述环境信息包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。3.根据权利要求2所述的方法，其特征在于，所述环境信息还包括：语言引导信号和随机噪声信号，其中，语言引导信号包括装饰图像的主题以及氛围信息。4.根据权利要求1所述的方法，其特征在于，所述楼宇装饰图像生成模型是通过以下训练步骤得到的：将所述样本集中的样本输入至待训练的楼宇装饰图像生成模型中，生成样本对应的装饰图像；基于样本对应的装饰图像以及样本标签计算损失值；根据所述损失值对所述待训练的楼宇装饰图像生成模型中的参数进行更新；不断迭代，直到满足预设停止条件，得到楼宇装饰图像生成模型。5.根据权利要求4所述的方法，其特征在于，所述待训练的楼宇装饰图像生成模型包括aigc模型。6.一种基于iot设备的楼宇装饰图像生成装置，其特征在于，所述装置包括：采集模块，用于基于iot设备采集与目标楼宇相关的环境信息；图像生成模块，将采集的所述环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像，其中，所述环境信息包括温度、湿度、天气、空气质量、环境人员年龄、环境人员性别以及环境人员拥挤度；其中，所述楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，所述样本集中的样本包括环境信息，以及与环境信息对应的装饰图像标签。7.根据权利要求6所述的装置，其特征在于，所述环境信息包括：温度、湿度、天气、空气质量、环境人员年龄、环境人员性别、环境人员拥挤度、时间、季节、节日以及区域位置。8.根据权利要求7所述的装置，其特征在于，所述环境信息还包括：语言引导信号和随机噪声信号，其中，语言引导信号包括装饰图像的主题以及氛围信息。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其特征在于，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，
所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

技术总结
本公开的实施例提供了一种基于IoT设备的楼宇装饰图像生成方法、装置、设备，应用于图像生成技术领域，该方法包括：基于目标楼宇内部署的IoT设备采集目标楼宇的环境信息；将采集的环境信息输入至楼宇装饰图像生成模型中，生成目标楼宇对应的装饰图像；其中，楼宇装饰图像生成模型是基于样本集对预设的待训练楼宇装饰图像生成模型进行训练得到的，样本集中的样本以环境信息为样本特征，以与环境信息对应的装饰图像为样本标签。本公开通过IoT设备采集数据，并基于机器模型进行计算，从而实现迅速且准确地生成目标楼宇对应的装饰图像。速且准确地生成目标楼宇对应的装饰图像。速且准确地生成目标楼宇对应的装饰图像。


技术研发人员：李鹏宇 郭天楚 汪彪
受保护的技术使用者：特斯联科技集团有限公司
技术研发日：2023.07.25
技术公布日：2023/10/15