买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州水母智能科技有限公司申请的专利一种基于条件生成对抗网络的漫画图像上色方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118736061B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411215068.1，技术领域涉及：G06T11/40；该发明授权一种基于条件生成对抗网络的漫画图像上色方法是由苗奘;周志鹏;吴旻升;宁帅臣;陈艺创设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本一种基于条件生成对抗网络的漫画图像上色方法在说明书摘要公布了：本发明的实施例提供一种基于条件生成对抗网络的漫画图像上色方法。应用于图像处理技术领域，包括：获取漫画线稿和彩稿数据对以及高动态范围成像图像数据，并构建训练集和测试集；构建上色模型和阴影添加模型，采用所述训练集对所述上色模型和所述阴影添加模型进行训练，并采用所述测试集对所述上色模型和所述阴影添加模型进行评估；重新获取线稿图像，输入到训练后的所述上色模型和所述阴影添加模型中进行处理，得到最终图像。以此方式，本发明能够使用学习获得的模型对输入的手绘图像进行自动上色处理，不仅无需人工干预且保持较好的视觉效果。

本发明授权一种基于条件生成对抗网络的漫画图像上色方法在权利要求书中公布了：1.一种基于条件生成对抗网络的漫画图像上色方法，其特征在于，包括以下步骤： 获取漫画线稿和彩稿数据对以及高动态范围成像图像数据，并构建训练集和测试集； 其中，所述训练集和所述测试集包括pix2pix数据集和SwitchLight数据集； 所述pix2pix数据集包括多个线稿图和彩图数据对； 所述SwitchLight数据集包括逐光照明数据集以及高动态范围成像数据集； 所述高动态范围成像数据集的获取过程为： 采用光场设备构建逐光照明数据集； 获取原始的高动态范围成像图像，将所述原始的高动态范围成像图像与Phong反射模型结合，进行卷积处理，从而生成卷积高动态范围成像图像，得到高动态范围成像数据集； 所述将所述原始的高动态范围成像图像与Phong反射模型结合的过程为：利用Phong反射波瓣作为查询，并将所述原始高动态范围成像图集作为键和值，通过交叉注意力机制将所述高动态范围成像图集信息整合到Phong反射波瓣表示中，完成原始高动态范围成像图像与Phong反射模型结合； 构建上色模型和阴影添加模型，采用所述训练集对所述上色模型和所述阴影添加模型进行训练，并采用所述测试集对所述上色模型和所述阴影添加模型进行评估； 重新获取线稿图像，输入到训练后的所述上色模型和所述阴影添加模型中进行处理，得到最终图像，包括： 重新获取线稿图像，将所述线稿图像输入到所述上色模型中进行上色处理，得到高质量彩色图像；将所述高质量彩色图像输入到所述阴影添加模型中，生成带有阴影效果的图像，得到最终图像； 所述阴影添加模型采用UNet模型架构，包括依次连接的逆渲染网络及重新渲染网络； 所述逆渲染网络包括卷积层和反卷积层，通过卷积神经网络提取图像特征，并通过反卷积层恢复图像空间尺寸； 所述重新渲染网络包括卷积层和反卷积层，通过卷积层和反卷积层重新渲染图像； 阴影添加模型通过采用Cook-Torrance反射模型模拟光线与表面微面元的交互，并使用多掩码自编码器进行自监督预训练，提取图像特征； 阴影添加模型具体包括逆渲染网络和重新渲染网络；逆渲染网络采用卷积神经网络提取图像特征，通过反卷积层逐步恢复图像空间尺寸，通过输入图像，进行反卷积处理进而分解图像的固有属性，包括表面法线、反照率、粗糙度、光照条件； 重新渲染网络使用卷积层和反卷积层结合物理模型进行图像重建，通过对逆渲染网络输出的有属性和目标光照条件进行处理，得到在目标光照条件下重新渲染的图像； 所述上色模型采用Pix2Pix模型架构，包括生成器和判别器，所述生成器用于生成彩色图像，所述判别器用于区分生成图像和真实图像； 所述生成器为U-Net架构，包括编码器和解码器，通过所述编码器减少输入图像的空间尺寸，增加特征图深度，通过所述解码器恢复图像空间尺寸；所述编码器和所述解码器采用跳跃连接； 所述判别器采用PatchGAN架构，包括依次连接的卷积层、激活函数以及输出层。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州水母智能科技有限公司，其通讯地址为：311113 浙江省杭州市余杭区良渚街道洋帆商务中心1幢301室-11；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。