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！

龙图腾网获悉哈尔滨工业大学申请的专利具有反编辑概念擦除功能的文生图模型训练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：CN119888011B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411952896.3，技术领域涉及：G06T11/60；该发明授权具有反编辑概念擦除功能的文生图模型训练方法是由左旺孟;王子豪;魏于翔设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本具有反编辑概念擦除功能的文生图模型训练方法在说明书摘要公布了：具有反编辑概念擦除功能的文生图模型训练方法，属于文生图模型的概念擦除领域。解决了传统概念擦除方法无法阻止用户通过编辑产生包含目标概念且符合用户要求的图像的问题。本发明通过所构建的微调后文生图模型预测出的无条件噪声与先验引导计算后，会将擦除引导引入图像推断过程中、并且不受输入文本的限制。在训练阶段构造有损失函数损失函数和损失来得到总损失，通过对有条件噪声与无条件噪声上均进行微调，以达到用户输入文本在不包含目标概念信息的情况下也能实现概念擦除，进而实现在生成与编辑中阻止目标概念图像产生的效果。本发明主要用于在文生图领域中，在不包含目标概念信息的情况下也能实现概念擦除。

本发明授权具有反编辑概念擦除功能的文生图模型训练方法在权利要求书中公布了：1.具有反编辑概念擦除功能的文生图模型训练方法，其特征在于，该方法包括： 一数据准备阶段： 将所要擦除文本内容作为目标概念文本； 大语言模型根据用户问题和回答样例，输出多个自然语言本文，每个自然语言本文作为一个先验概念文本，所有的自然语言本文构成先验概念集合； 所述用户问题包括用户要求、目标概念文本和输出数量构成； 二模型构建阶段： 为原预训练文生图模型的噪声预测网络中各注意力层后添加一个LORA层、且该注意力层和所添加的LORA层紧邻，生成微调后文生图模型；其中，各注意力层的类别与该注意力层所对应的LORA层的类别相同； 三模型训练阶段： 对微调后文生图模型进行一次训练的具体过程为： 首先、冻结参数下的微调后文生图模型根据输入的原始噪声、空文本和目标概念文本和随机时间步，预测出去噪步下的图像隐空间表示； 其次、非冻结参数下的微调后文生图模型根据图像隐空间表示、个先验概念文本、空文本和目标概念文本，预测出非冻结参数下的目标概念噪声、先验概念噪声和无条件噪声； 冻结参数下的原预训练文生图模型根据图像隐空间表示、个先验概念文本、空文本和目标概念文本，预测出冻结参数下的目标概念噪声、先验概念噪声和无条件噪声； 根据冻结和非冻结参数下的目标概念噪声、先验概念噪声和无条件噪声进行对齐，构造有条件预测噪声对齐损失函数、无条件预测噪声对齐损失函数和先验概念噪声约束损失； 构造无条件预测噪声对齐损失函数的实现方式包括： 首先、根据、和，计算先验引导下的无条件预测噪声擦除引导； 其中，为冻结参数下预测出的无条件噪声，为冻结参数下预测出的目标概念噪声，为冻结参数下预测出的第个先验概念噪声，为第个先验概念文本； 其次、根据和，构造无条件预测噪声对齐损失函数，且 ； 其中，为非冻结参数下预测出的无条件噪声，为目标概念下的蒙特卡洛模拟期望，为计算L2范数； 最后、根据、和构造总损失，利用总损失梯度反向传播对非冻结参数下的微调后文生图模型的LORA层参数进行一次更新； 对微调后文生图模型进行多次训练，至满足终止条件，完成对微调后文生图模型的训练。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。