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！

龙图腾网获悉浙江大学申请的专利基于逆向的文生图扩散模型记忆问题的度量方法和设备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：CN119478094B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411566591.9，技术领域涉及：G06T11/00；该发明授权基于逆向的文生图扩散模型记忆问题的度量方法和设备是由王总辉;马哲;陈文智;纪守领设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于逆向的文生图扩散模型记忆问题的度量方法和设备在说明书摘要公布了：本发明提供的基于逆向的文生图扩散模型的记忆问题的度量方法，相比于现有的度量方法而言，该方法基于给定一个预训练的文生图扩散模型和一个任意图像，构建加权的目标函数，逆向输出一个提示文本分布和一个噪声分布，解决了以往基于随机生成图像检测图像相似内容来评估记忆问题所带来的随机性影响；通过定义噪声分布的敏感度来构建记忆问题的度量指标函数，对图像生成模型的记忆问题进行连续准确地度量，给出任一张图像记忆风险的量化结果，审计图像生成模型的记忆风险。本发明还提供了基于逆向的文生图扩散模型的记忆问题的度量设备，实现图像记忆问题的度量方法。

本发明授权基于逆向的文生图扩散模型记忆问题的度量方法和设备在权利要求书中公布了：1.一种基于逆向的文生图扩散模型记忆问题的度量方法，其特征在于，包括以下步骤： 基于待评估图像在文生图扩散模型的加噪过程构建噪声分布，同时基于文生图扩散模型的文本编码器构建提示文本分布，其中，构建提示文本分布，包括： 1文本编码器中的分词器将字符串格式的文本编码为长度为L的提示文本w，所述提示文本w通过词元序列w＝[w1，w2，...，wL]表示； 2基于每个词元的类别分布，获得每个词元的类别分布概率[πi，1，πi，2，...，πi，V]，∑j＝1πi，j＝1，j∈[0，V]，πi，j表示第i个词元的第j个类别概率，V表示类别种类，并将类别概率参数化为logπi，j＝φi，j，其中φi，j表示第i个词元的第j个类别提示文本分布参数； 3对每个词元的类别分布概率进行平滑采样，并基于平滑样本和类别嵌入向量来构建平滑后词元的词向量将所有词向量组成的词向量序列输入到编码网络，获得文本特征c＝few，以文本特征中的提示文本w和待评估图像x0构建参数为φ的提示文本分布qφw|x0； 定义噪声分布的敏感度为来自于噪声分布的随机噪声并联合从提示文本分布中采样的提示文本生成待评估图像的概率，基于敏感度构建记忆问题度量指标函数，记忆度量问题度量指标函数表示为： 其中，表示噪声分布的敏感度，具体为来自于参数为的噪声分布中随机采样的高斯噪声∈并联合从参数为φ的提示文本分布qφw|x0中采样的提示文本w生成待评估图像x0的概率，表示基于待评估图像x0和噪声分布参数构建的正态性正则，记忆问题度量指标函数表示至少存在一个提示文本w，并且敏感度为1的条件下，正态性正则的最小值作为记忆问题度量指标memx0； 通过基于提示文本分布及噪声分布构建的去噪误差和基于噪声分布构建的正态性正则构建加权的目标函数，其中，正态性正则，通过采用KL散度度量的噪声分布和标准正态分布间的距离DKL表示，当噪声分布拟合为均值为μ、方差为σ2正态分布Nμ，σ2时，正态性正则的计算方式为： 通过适应性优化算法对加权的目标函数进行优化获得最优提示文本分布和噪声分布，基于最优噪声分布对记忆问题度量指标函数进行计算，获得记忆问题度量指标，其中，所述的通过适应性优化算法对加权的目标函数进行优化获得最优提示文本分布和噪声分布，包括： 1初始化内部变量，具体为，提示文本分布参数φ为0，噪声分布参数服从正态分布N0，I，权重λ为1，先前去噪误差趋于正无穷，耐心值P为忍耐周期ρ，优化步数i为1； 2基于初始化内部变量，计算加权的目标函数 3计算加权的目标函数L相对于提示文本分布参数φ和噪声分布参数的梯度和 4基于梯度下降法对提示文本分布参数φ和噪声分布参数进行更新，获得更新后的提示文本分布参数φ′和噪声分布参数具体为其中γ为学习率，用于控制参数更新的步长； 5检验是否到达观测周期C，具体为，每隔C步进行观测，如果优化步数i1并且优化步数i对观测周期C取余为0，表明刚好经过C步，则进行步骤6，若优化步数i对观测周期C取余不为0，则进行步骤10； 6检验去噪误差是否下降，具体为，如果则说明优化不顺利，进行步骤7；如果则说明优化顺利，进行步骤8； 7若则权重λ以倍数λ2进行衰减，耐心值P以P-1进行衰减，再跳转到步骤9； 8若则权重λ以权重增量δ进行增加，耐心值恢复到忍耐周期ρ； 9对先前去噪误差进行更新，进行步骤11； 10适量增加权重δ； 11若耐心值P＝0，则跳转到步骤13，否则进行步骤12更新优化步数i； 12更新优化步数i，具体为，优化步数i以增量1进行优化，若优化步数i大于迭代总步数S，则进行步骤13，否则回到步骤2进行迭代； 13优化后的生成结果检验，具体为，从提示文本分布qφw|x0和噪声分布中采样提示文本和随机噪声生成图像，人为观察这些生成图像或采用第三方图像匹配模型进行比较；如果生成图像和待评估图像非常相似，则输出提示文本分布qφw|x0、噪声分布及正态性正则如果存在和待评估图像不同的图像，则输出提示文本分布qφw|x0、噪声分布及+∞。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。