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！

龙图腾网获悉深圳市华汉伟业科技有限公司申请的专利用于噪声预测的训练方法、预测方法和缺陷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：CN119809967B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411694436.5，技术领域涉及：G06T5/70；该发明授权用于噪声预测的训练方法、预测方法和缺陷图像生成方法是由李杰明;杨洋;黄淦;翟爱亭设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本用于噪声预测的训练方法、预测方法和缺陷图像生成方法在说明书摘要公布了：用于噪声预测的训练方法、预测方法和缺陷图像生成方法，训练第二扩散网络；获取第一掩膜特征以及第二掩膜特征；根据第二掩膜特征得到新的第一图像特征；根据预设加噪总步数对所述新的第一图像特征进行逐步加噪，得到第三图像特征；将第三图像特征以及所述第一掩膜特征输入到第二扩散网络中，得到第二扩散网络预测的高维噪声，进而得到第五高维噪声；根据所得第五高维噪声对所述第三图像特征进行逐步去噪，得到第一去噪特征图；根据第一去噪特征图得到目标图像。通过点云数据等额外信息辅助生成符合用户需求的图像，在保证信息完整性的基础上，增强信息的多样性，以增强目标图像的生成效果，从而实现像素级精度控制下高质量图像的生成。

本发明授权用于噪声预测的训练方法、预测方法和缺陷图像生成方法在权利要求书中公布了：1.一种用于噪声预测的训练方法，其特征在于，包括： 获取由预训练的第一扩散网络加入控制分支网络后形成的第二扩散网络，其中所述第一扩散网络为一预设的扩散网络； 根据训练集对所述第二扩散网络进行一轮或多轮次训练，所述训练集包括一组或多组训练数据，任意一组训练数据包括由灰度图和高度图组成的图像对、掩模图像；在任意一训练轮次的训练过程中，根据训练集中的任意一组训练数据对第二扩散网络进行训练，包括： 数据处理步骤，在当前训练轮次中，根据当前的训练数据中的图像对得到初始的第一图像特征，根据当前的训练数据中的掩模图像得到第一掩膜特征； 加噪步骤，获取第一高维噪声；在当前的加噪步数为第一个加噪步数的情况下，则根据所述第一高维噪声对所述初始的第一图像特征进行加噪，得到第一个加噪步数对应加噪操作后的第一图像特征；在当前的加噪步数不是第一个加噪步数的情况下，根据所述第一高维噪声对上一加噪步数对应加噪操作后的第一图像特征进行继续加噪，得到当前的加噪步数对应加噪操作后的第一图像特征；其中，对于第t个加噪步数，t为正整数，根据第一个加噪步数对应第一高维噪声的预设强度以及最后一个加噪步数对应第一高维噪声的预设强度得到第t个加噪步数对应第一高维噪声的噪声强度； 将二次根号下的所述第t个加噪步数对应第一高维噪声的噪声强度作为所述第t个加噪步数对应第一高维噪声的参考权重；计算1与所述第t个加噪步数对应第一高维噪声的噪声强度之间的差值，将二次根号下的所述差值作为第t-1个加噪步数对应加噪操作后的第一图像特征的参考权重；将第t-1个加噪步数对应加噪操作后的第一图像特征、所述第t个加噪步数对应第一高维噪声分别与对应的参考权重相乘，将所得相乘结果作为第t个加噪步数对应加噪操作后的第一图像特征； 融合处理步骤，将当前的加噪步数对应加噪操作后的第一图像特征以及所述第一掩膜特征输入到第二扩散网络中，并在第二扩散网络中，对当前的加噪步数对应加噪操作后的第一图像特征以及所述第一掩膜特征分别进行融合处理；其中，所述第二扩散网络用于在当前的加噪步数等于当前训练轮次的预设加噪总步数的情况下，对第二扩散网络的输入进行噪声预测以输出高维噪声； 训练判断步骤，若当前的加噪步数小于当前训练轮次的预设加噪总步数，则对当前的加噪步数增加1步以更新当前的加噪步数，并从所述加噪步骤开始继续训练；若当前的加噪步数等于当前训练轮次的预设加噪总步数，则将第二扩散网络输出的高维噪声作为第二高维噪声；根据所述第一高维噪声以及所述第二高维噪声得到第二扩散网络的损失函数；若损失函数收敛，则停止训练。

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深圳市华汉伟业科技有限公司，其通讯地址为：518000 广东省深圳市南山区西丽街道西丽社区同发南路万科云城六期二栋1702房-1706房；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。