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！

龙图腾网获悉华侨大学;厦门理工学院申请的专利文本驱动的针织产品图像生成与编辑方法及装置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：CN120198548B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510680668.3，技术领域涉及：G06T11/60；该发明授权文本驱动的针织产品图像生成与编辑方法及装置是由曾焕强;张乙楠;朱建清;陈婧;施一帆;蔡磊;龚鑫荣;林琦;郑惠洁;项文杰设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本文本驱动的针织产品图像生成与编辑方法及装置在说明书摘要公布了：本发明公开了文本驱动的针织产品图像生成与编辑方法及装置，涉及计算机图形领域，方法包括：S1，获取针织产品文本、编辑掩码和输入图像，将编辑掩码和参考图像进行拼接得到拼接图像；S2，构建包括多模态融合特征网络、多层去噪网络和针织图像重建网络的文本驱动的针织产品图像生成与编辑模型并进行训练，得到训练好的针织产品图像生成与编辑模型；S3，将针织产品文本、编辑掩码和参考图像输入训练好的文本驱动的针织产品图像生成与编辑模型，得到针织产品图像。本发明构建出的文本驱动的针织产品图像生成与编辑模型集成针织产品图像生成与编辑功能，简化了模型，实现了多模态特征的深度融合和对编辑指令的精准理解和执行。

本发明授权文本驱动的针织产品图像生成与编辑方法及装置在权利要求书中公布了：1.一种文本驱动的针织产品图像生成与编辑方法，其特征在于，包括如下步骤： S1，获取针织产品文本、编辑掩码和输入图像，将编辑掩码和输入图像进行拼接得到拼接图像； S2，构建包括多模态融合特征网络、多层去噪网络和针织图像重建网络的文本驱动的针织产品图像生成与编辑模型并进行训练，得到训练好的针织产品图像生成与编辑模型； 所述多模态融合特征网络，包括视觉语言模型编码器、变分自编码器和多层次残差下采样模块；输入的针织产品文本和拼接图像经视觉语言模型编码器进行融合，得到初始多模态特征；输入图像经变分自编码器进行编码并进行高斯噪声嵌入得到初始潜在特征，初始潜在特征经过多层次残差下采样模块进行多尺度特征融合得到多层次初始潜在特征；多模态特征和多层次初始潜在特征沿通道维度进行拼接，得到多模态融合特征并输出； 所述多层去噪网络包括若干层去噪网络层，每一层去噪网络层包括第一图像扩散模块和第二图像扩散模块；多层去噪网络的第一层以多模态融合特征为输入，其余层以前一层的输出作为输入，最后一层输出最终去噪多模态融合特征至针织图像重建网络；第一图像扩散模块将输入进行去噪后得到初步去噪的多模态融合特征，将初步去噪的多模态融合特征沿通道维度进行分割，得到中间多模态特征和中间潜在特征；中间多模态特征和经时间步嵌入后的中间潜在特征沿通道维度进行拼接，再经过第二图像扩散模块去噪，输出去噪后的多模态融合特征； 所述针织图像重建网络，将最终去噪多模态融合特征进行分割，得到去噪潜在特征；将去噪潜在特征输入到多层次残差上采样模块进行针织图像重建，输出针织产品图像； S3，将针织产品文本、编辑掩码和输入图像输入训练好的文本驱动的针织产品图像生成与编辑模型，得到针织产品图像； 所述多层次残差下采样模块表示为： 其中，表示增强后的初始潜在特征；[·]×N表示N次重复的操作；Conv3·3,2表示卷积核为3×3以及步长为2的卷积操作；表示ReLU激活函数；Norm·表示归一化操作；Conv3×3,1表示卷积核为3×3以及步长为1的卷积操作；表示初始潜在特征； 所述多层次残差上采样模块表示为： 其中，表示增强后的去噪潜在特征；[·]×N表示N次重复的操作；TConv3×3,2表示卷积核为3×3以及步长为2的转置卷积操作；表示ReLU激活函数；Norm·表示归一化操作；Conv3×3,1表示卷积核为3×3以及步长为1的卷积操作；表示去噪潜在特征。

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华侨大学;厦门理工学院，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；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”。