Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京理工大学周翊超获国家专利权

南京理工大学周翊超获国家专利权

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!

龙图腾网获悉南京理工大学申请的专利一种基于归一化流模型的连续人脸老化图像生成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:CN119516588B

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:202411430477.3,技术领域涉及:G06V40/16;该发明授权一种基于归一化流模型的连续人脸老化图像生成方法是由周翊超;瞿静蕾;胡晰远;许楷文;郑军帅设计研发完成,并于2024-10-14向国家知识产权局提交的专利申请。

一种基于归一化流模型的连续人脸老化图像生成方法在说明书摘要公布了:本发明公开了一种基于归一化流模型的连续人脸老化图像生成方法,涉及归一化流技术领域,包括以下步骤:S1:首先,由于选取的FFHQ数据集包括了从婴幼儿时期到老年时期的大跨度人脸,设置具体年龄范围;S2:构建数据预处理模块,对输入图像全部下采样固定大小;S3;构建年龄属性空间与先验隐变量空间的可逆映射模块。通该方法巧妙地结合了对高维空间具有连续采样优势的归一化流模型和具有强大生成能力的StyleGAN框架相结合的策略,通过将高维的年龄属性空间可逆映射到连续变化的先验潜在空间,从而准确地表示连续的年龄变化并捕获随年龄变化的细粒度面部变化并与预训练的、固定的StyleGAN生成器的表达能力进行配对,构建了一个强大的跨年龄人脸图像变化框架。

本发明授权一种基于归一化流模型的连续人脸老化图像生成方法在权利要求书中公布了:1.一种基于归一化流模型的连续人脸老化图像生成方法,其特征在于:基于归一化流模型的连续人脸老化图像生成方法包括以下步骤: S1:首先,由于选取的FFHQ数据集包括了从婴幼儿时期到老年时期的大跨度人脸,设置具体年龄范围; S2:构建数据预处理模块,对输入图像全部下采样固定大小,并且进行归一化处理; S3:构建年龄属性空间与先验隐变量空间的可逆映射模块,基于连续概率分布变换的原理,通过构造可逆的变换函数,将高维空间复杂的年龄属性分布转换成基本的简单分布,从而精确地映射先验分布与复杂分布之间的概率关系,实现最大似然估计; S4:构建基于编码器和解码器的特征对齐模块,利用具有特征金字塔的解码器,从年龄属性空间与先验隐变量空间的可逆映射模块得到的关于潜在年龄空间三个级别的特征向量,并分别对这三个级别的特征向量使用三个特征投影策略,从特征图中提取样式,最终得到与内容样式对齐的人脸年龄属性编码;在S4中,首先,我们利用具有特征金字塔的解码器,从年龄属性空间与先验隐变量空间的可逆映射模块得到的关于潜在年龄空间的三个级别的特征向量Fl,Fm,Fh,并分别对这三个级别的特征向量使用三个特征投影策略,从特征图中提取样式最终得到与内容样式对齐的人脸年龄属性编码 wl=LinearAvgPoolFl wm=LinearCon2dAvgPoolFm wh=LinearCon2dAvgPoolFh 然后,将人脸年龄属性编码we与输入图像的内容样式W=e4eX∈R18×512共同学习所有18个风格向量,并输入至生成器中生成输出图像,X是原始输入图像; S5:构建基于注意力机制的注意力特征融合模块,利用两个线性层和一个Sigmoid的函数计算内容特征和年龄特征之间的动态权重,最后使内容特征和年龄特征与共享权重相乘之后相加,得到输入StyleGAN的最终特征向量; S6:构建使用预训练的且固定的StyleGAN生成器与编码器结合模块,将注意力特征融合模块输出的18个风格向量,并输入至生成器中生成所需要年龄的老化图像;使用了一个固定的、预训练的e4e编码器作为通用身份编码器得到内容特征潜在空间W=e4eX∈R18×512,结合年龄属性编码共同送入StyleGAN中生成图像; 进一步地,模型训练过程中,损失函数为: L=λpixLpix+λlpipsLLPIPS+λidLID+λlsrLLSR+λflowLFlow+LGAN 其中,λpix,λlpips,λid,λlsr和λflow为权衡不同损失的加权参数;Lpix是学习像素级相似度的损失,LLPIPS是学习感知相似度的损失,LID是保证修改人脸面部年龄属性特征的同时确保图像的身份的一致性,LLSR是标签平滑正则化损失来作为分类损失,LFlow是为了实现隐变量的准确调制,引入归一化流中的最大对数似然函数进行约束,LGAN是将生成的人脸老化图像和存在的真实目标年龄图像进行对抗学习的损失,用于提升模型生成图像的质量; S7:将测试集中人脸图像输入训练完成的模型,得到随着年龄变化的连续平滑变换的老化图像。

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南京理工大学,其通讯地址为:210000 江苏省南京市玄武区孝陵卫街道200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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。