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！

龙图腾网获悉湖南马栏山视频先进技术研究院有限公司申请的专利基于多模态扩散的长视频角色场景解耦生成方法及系统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：CN120583276B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511067463.4，技术领域涉及：H04N21/4402；该发明授权基于多模态扩散的长视频角色场景解耦生成方法及系统是由邓正秋;黎维设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于多模态扩散的长视频角色场景解耦生成方法及系统在说明书摘要公布了：基于多模态扩散的长视频角色场景解耦生成方法及系统，涉及图像处理技术领域，包括：S1、通过SigLIP编码器与DINOv2编码器合成角色与场景的高级特征；S2、将高级特征进行跨模态特征融合得到联合特征并压缩得到紧凑向量；S3、根据文本提示生成文本特征；S4、将输入视频通过因果3D卷积编码器生成潜在编码，通过线性投影矩阵后与内存状态拼接降维得到分段潜在向量序列；S5、分段潜在向量序列通过改进的3D‑UNet进行解耦感知生成，然后确定性采样后反卷积上采样重建得到RGB视频分段序列；本发明解决长视频生成中动态控制粗糙、生成长度受限与资源消耗过高的关键问题，显著提升了生成视频的质量和效率。

本发明授权基于多模态扩散的长视频角色场景解耦生成方法及系统在权利要求书中公布了：1.基于多模态扩散的长视频角色场景解耦生成方法，其特征在于，包括以下步骤： S1、通过SigLIP编码器与DINOv2编码器提取输入图像的图像高层语义特征与图像细粒度纹理特征，并通过SigLIP编码器与DINOv2编码器提取输入视频的视频高层语义特征与视频细粒度纹理特征，并按比例合成高层语义特征与细粒度纹理特征； S2、将高层语义特征与细粒度纹理特征进行跨模态特征融合得到联合特征，并将联合特征通过角色分支利用使用Q‑Former投影头压缩得到角色身份紧凑向量，及将联合特征通过场景分支利用使用Q‑Former投影头压缩得到场景语义紧凑向量； S3、文本提示P通过T5‑XL模型编码生成文本特征； S4、将输入视频进行时序分割后通过因果3D卷积编码器生成潜在编码，并将角色身份紧凑向量、场景语义紧凑向量及文本特征通过线性投影矩阵嵌入到潜在空间与潜在编码融合得到增强潜在编码，再与通过注意力机制更新的内存状态拼接后降维得到分段潜在向量序列，并输出全局内存状态； S5、分段潜在向量序列经过噪声注入生成噪声潜在向量通过改进的3D‑UNet进行解耦感知生成，然后采用DDIM确定性采样策略对噪声潜在向量进行迭代去噪得到最终采样输出，最后将最终采样输出输入对称3D卷积解码器，通过反卷积上采样重建得到RGB视频分段序列； S6、将RGB视频分段序列及全局内存状态通过分段对齐和时序插值强化后合成最终长视频。

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湖南马栏山视频先进技术研究院有限公司，其通讯地址为：410000 湖南省长沙市开福区月湖街道滨河北路280兴旺科技园A栋5楼；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”。