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！

龙图腾网获悉江西师范大学申请的专利基于条件扩散模型的草图递进式图像翻译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：CN119625469B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411497303.9，技术领域涉及：G06V10/80；该发明授权基于条件扩散模型的草图递进式图像翻译方法及系统是由雷浩鹏;付懿睿;李必镡;梁亚琴;尹豪;王明文设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于条件扩散模型的草图递进式图像翻译方法及系统在说明书摘要公布了：本发明公开了一种基于条件扩散模型的草图递进式图像翻译方法及系统，所述方法包括：将待处理草图输入至灰度图生成模型中，获得草图灰度图像，灰度图生成模型包括潜在空间单元和条件扩散噪声单元；分别对待处理草图和草图灰度图像进行特征提取，获得草图向量和灰度图向量；将草图向量和灰度图向量进行特征融合，获得图像融合特征信息；根据图像融合特征信息和草图灰度图像通过条件扩散模型进行图像翻译，获得草图真实图像，条件扩散模型包括正向扩散单元和逆向扩散单元。本发明将草图特征与生成的灰度图相结合，再加入到从灰度图到真实图像的翻译过程中可以出色地保持对草图整体结构和局部特征的准确理解，提高图像翻译的质量。

本发明授权基于条件扩散模型的草图递进式图像翻译方法及系统在权利要求书中公布了：1.一种基于条件扩散模型的草图递进式图像翻译方法，其特征在于，所述基于条件扩散模型的草图递进式图像翻译方法包括以下步骤： 将待处理草图输入至灰度图生成模型中，获得草图灰度图像，所述灰度图生成模型包括潜在空间单元和条件扩散噪声单元； 分别对所述待处理草图和所述草图灰度图像进行特征提取，获得草图向量和灰度图向量； 将所述草图向量和所述灰度图向量进行特征融合，获得图像融合特征信息； 根据所述图像融合特征信息和所述草图灰度图像通过条件扩散模型进行图像翻译，获得草图真实图像，所述条件扩散模型包括正向扩散单元和逆向扩散单元； 所述分别对所述待处理草图和所述草图灰度图像进行特征提取，获得草图向量和灰度图向量的步骤，包括： 通过特征抽取函数分别对所述待处理草图和所述草图灰度图像进行特征提取，获得草图向量和灰度图向量； 所述特征抽取函数为： Ilowres＝FdownIin vcls＝vsket,vgary 式中，Iin为待处理草图和草图灰度图像；Fdown为下采样块，Ilowres为经过降维后的特征图谱，Fattn为内部交替使用了多层感知机和注意力机制来处理特征的函数，为通过注意力机制处理后的特征，Fgap为全局平均池化函数，vout为输出向量，vsket为草图向量，vgary为灰度图向量，vcls为分类的向量集合； 所述逆向扩散单元内的条件扩散逆向公式为： 式中，μxt,y,vff为均值，为协方差矩阵，∈θ为估计噪声，qxt|x0为正向扩散过程中的条件概率分布，为对qxt|x0关于xt的真实梯度，xt-1为时间步t-1上生成的图像，xt为时间步t生成的图像，x0为草图灰度图像，t为目前的扩散步数，y为潜在编码的真实图像，L为损失函数，σtz为反向扩散过程中加入的随机噪声，为正态分布，βt和αt为预定义噪声调度参数，vff为图像融合特征信息。

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江西师范大学，其通讯地址为：330000 江西省南昌市紫阳大道99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。