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！

龙图腾网获悉北京大学申请的专利基于扩散模型的少样本中文字体快速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：CN119692304B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411744608.5，技术领域涉及：G06F40/109；该发明授权基于扩散模型的少样本中文字体快速生成方法及系统是由连宙辉;李华设计研发完成，并于2024-12-01向国家知识产权局提交的专利申请。

本基于扩散模型的少样本中文字体快速生成方法及系统在说明书摘要公布了：本发明公布了一种基于扩散模型的少样本中文字体快速生成方法及系统，包括低分辨生成模型模块和超分辨模型模块，还可包括扩散模型蒸馏模块；构建带有部件感知编码器的条件隐式扩散模型即低分辨生成模型，用于生成高质量的低分辨率字体；构建基于级联扩散模型的超分辨模型，用于将低分辨率生成结果扩展至高分辨率；扩散模型蒸馏模块可进一步将训练好的低分辨生成模型和超分辨模型蒸馏为一步生成模型，以提升字形图像生成效率。本发明能够从有限的输入字形图像样本中提取和迁移其字体风格，得到在风格匹配程度和字形结构准确性上均显著提升的字形图像生成结果，并可通过矢量化工具得到高质量的矢量字形。

本发明授权基于扩散模型的少样本中文字体快速生成方法及系统在权利要求书中公布了：1.一种基于扩散模型的少样本中文字体快速生成方法，其特征在于，通过构建并训练带有部件感知编码器的条件隐式扩散模型即低分辨生成模型，生成高质量的低分辨率字体结果；基于级联扩散模型超分辨技术构建条件超分辨率级联扩散模型即超分辨模型，对得到的高质量的低分辨率字体结果进行超分辨，从而生成高分辨率的矢量字形字体；包括如下步骤： 第一步，构建风格参考选择映射；具体是基于为中文字符定义的部件和笔画，构建覆盖中文编码标准中的中文字符所包含的部件和笔画的字符集合为风格参考集合，作为模型训练集； 对模型训练集中任一字符，建立部件级字符参考映射和笔画级字符参考映射；其中，部件级字符参考映射由风格参考集合中所有包含该字符包含的部件的字符组成，笔画级字符参考映射由风格参考集合中所有包含该字符包含的笔画的字符组成； 第二步，根据风格参考选择映射选择训练时每个目标图片对应的风格参考，构建带有部件感知编码器的条件隐式扩散模型即低分辨生成模型并进行训练，用于生成低分辨的字形图片结果； 所述低分辨生成模型中的部件感知编码器包括风格编码器、内容编码器和交叉注意力模块；风格编码器将所有风格参考图像分别编码为风格特征，内容编码器将内容参考图像编码为内容特征；交叉注意力模块用于将每个风格特征和内容特征分别表示为多个token后进行交叉注意力操作； 对构建的低分辨生成模型使用无分类器引导进行采样，采用对多个风格特征条件输入的无分类器引导方法；设计并使用损失函数训练低分辨生成模型，得到训练好的低分辨生成模型；通过训练好的低分辨生成模型，生成高质量的低分辨率字体结果； 对低分辨生成模型使用无分类器引导进行采样，表示为： 其中，为无分类器引导的噪声估计结果；sc和ss分别为控制生成结果与输入内容和风格条件的关联强度系数；xc为字符内容参考图像，Xs为来自目标字体的风格参考图像；为将xc替换成同尺寸的全零向量的结果，为将Xs替换成同尺寸的全零向量的结果； 使用3D蒸馏技术将低分辨生成模型和超分辨模型进行扩散模型蒸馏，缩短至单步采样，得到一步生成模型； 第三步，以训练好的低分辨生成模型的参数为初始参数，训练条件超分辨率级联扩散模型即超分辨模型；使用训练好的超分辨模型，将低分辨率字体结果连续上采样到更高分辨率，从而生成高分辨率的字形图像； 通过上述步骤，即可实现基于扩散模型的少样本中文字体快速生成。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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。