本发明公开了一种图像生成模型的训练方法及图像生成方法，通过对一张样本图像进行数据增强处理，获取一系列增强后的数据样本，应用风格提取模块对增强后的数据样本提取风格信息；将随机噪声和提取的风格信息作为初始图像生成模型的输入信号，对初始图像生成模型进行训练，获取最终的图像生成模型。依靠神经网络实现了基于单张样本的高质量多样性生成任务，可以保证生成样本与训练样本相比，具有足够多的外观多样性和合理且稳定的语义结构。能够有效地降低深度学习图像生成模型的使用门槛与使用成本，极大程度上提升了图像生成模型的易用性与泛用性。