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！

龙图腾网获悉中国科学院自动化研究所申请的专利一种基于多模态提示的图像质量评估模型训练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：CN119515771B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411384319.9，技术领域涉及：G06T7/00；该发明授权一种基于多模态提示的图像质量评估模型训练方法是由王隽;陈泽文;李兵;胡卫明设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于多模态提示的图像质量评估模型训练方法在说明书摘要公布了：本发明公开了一种基于多模态提示的图像质量评估模型训练方法。所述方法包括：步骤1、准备训练图像质量评估模型所需的数据集；步骤2、对参考样例和待评估图像的编码器进行训练；步骤3、搭建图像质量评估模型，以参考样例特征和待评估图像特征作为输入，以图像质量分数作为输出；步骤4、利用所述数据集训练图像质量评估模型，使用训练好的图像质量评估模型进行实际待评估图像的质量评估。本发明为无参考图像质量评估模型设计了一种新型的参考样例形式，由不同质量的失真图像及其对应的内容描述和外观描述组成，对图像质量评估准则有更好的理解，从而促进对未知图像质量评估的准确性。

本发明授权一种基于多模态提示的图像质量评估模型训练方法在权利要求书中公布了：1.一种基于多模态提示的图像质量评估模型训练方法，其特征在于，所述方法包括如下步骤： 步骤1、准备训练图像质量评估模型所需的数据集； 步骤2、对参考样例和待评估图像的编码器进行训练，所述编码器用于获取参考样例特征和待评估图像特征，包括图像编码器、文本编码器、外观描述编码器；包括： 步骤2.1、准备M幅不同质量的失真图像和对应的失真图像外观描述作为训练集； 步骤2.2、将CLIP预训练的图像编码器的权重固定，使用CLIP预训练的文本编码器的权重对外观描述编码器进行初始化； 步骤2.3、在训练集中随机选取一幅失真图像和对应的失真图像外观描述，以及H个不对应的失真图像外观描述，将对应的失真图像外观描述记作正样本，不对应的失真图像外观描述记作负样本，将失真图像和正、负样本分别输入图像编码器和外观描述编码器中，输出图像特征、正样本特征和负样本特征； 步骤2.4、计算损失函数L： ， 其中，sim表示余弦相似性函数，exp表示指数函数； 对外观描述编码器的权重进行梯度更新，图像编码器的权重固定； 步骤2.5、返回步骤2.3，继续训练，直到损失函数L收敛为止，训练完成后，图像编码器、文本编码器、外观描述编码器的权重均固定； 步骤3、搭建图像质量评估模型，以参考样例特征和待评估图像特征作为输入，以图像质量分数作为输出，所述图像质量评估模型包括由若干Transformer模块级联构成的第一分支和由与Transformer模块数量相同的提示引导模块级联构成的第二分支；其中，图像质量评估模型的网络结构包括： 以待评估图像特征作为图像质量评估模型第一分支的输入，以待评估图像特征和参考样例特征作为图像质量评估模型第二分支的输入，将第一分支的第一个Transformer模块的输出特征与第二分支的第一个提示引导模块的输出特征相加后，输入第一分支的下一个Transformer模块，同时，第二分支的第一个提示引导模块的输出特征和参考样例特征输入第二分支的下一个提示引导模块中，直到最后一个提示引导模块的输出特征与最后一个Transformer模块的输出特征相加后，输入回归器；其中，所述第二分支中每个提示引导模块包括参考图像关注单元、内容描述关注单元和外观描述关注单元，每个单元内部执行一次交叉注意力机制的计算； 所述回归器将特征相加结果调整为一维向量，使用神经元数量递减的全连接层降低特征维度，输出图像质量分数； 待评估图像特征为使用图像编码器对待评估的图像编码得到，参考样例特征为使用图像编码器、文本编码器、外观描述编码器分别对不同质量的失真图像及对应的内容描述和外观描述编码得到； 步骤4、利用所述数据集训练图像质量评估模型，使用训练好的图像质量评估模型进行实际待评估图像的质量评估。

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中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95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”。

以上内容由龙图腾AI智能生成。