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！

龙图腾网获悉北京邮电大学申请的专利一种融合多模态美学和属性特征的图像美学评估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：CN119625338B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411684939.4，技术领域涉及：G06V10/44；该发明授权一种融合多模态美学和属性特征的图像美学评估方法是由赵志诚;苏菲;罗明华设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种融合多模态美学和属性特征的图像美学评估方法在说明书摘要公布了：本发明提供了一种融合多模态美学和属性特征的图像美学评估方法。所述方法包括：构造图像‑美学以及图像‑属性文本对数据；构建联合属性和美学描述的多模态预训练模型；利用冻结的图像编码器与条件编码器提取原始图像特征与条件特征；利用文本解码器生成匹配条件特征的美学或属性文本；最小化生成文本与目标文本差异得到预训练模型；获取并处理图像和美学评分数据，构建融合多模态美学和属性特征的美学评分模型；提取并融合图像的属性和美学特征得到属性感知的美学特征；将该特征通过线性层映射得到美学分数；利用均方误差函数优化模型参数，得到最终的美学评分模型；本发明不仅能获得能准确的美学评分，而且在推理阶段仅需要单张图像。

本发明授权一种融合多模态美学和属性特征的图像美学评估方法在权利要求书中公布了：1.一种融合多模态美学和属性特征的图像美学评估方法，其特征在于，所述方法包括以下步骤： 步骤1，构造图像-美学文本对以及图像-属性文本对数据； 步骤2，构建联合属性和美学描述的多模态预训练模型； 步骤3，利用冻结的图像编码器提取原始图像特征，在条件查询的引导下，利用条件编码器与原始图像特征的交互提取出条件特征；具体为：首先，通过步骤1获取图像I后，利用冻结的图像编码器F对图像I进行特征提取得到原始图像特征f，计算公式为f＝FI，然后根据当前图像所匹配的文本信息去选择对应的条件查询，其中美学文本选择美学条件查询sc，属性文本选择属性条件查询tc，最后将f、条件查询送入条件编码器Fc得到条件特征，其中条件特征包含美学条件特征和属性条件特征，属性条件特征tf的计算公式为tf＝Fcf,tc，美学条件特征sf的计算公式为sf＝Fcf,sc； 步骤4，在条件特征的引导下，文本解码器生成与条件编码器提取的特征相匹配的美学或属性文本，利用交叉熵损失函数来优化模型参数，最小化生成文本与目标文本之间的差异，最终得到兼备美学感知和属性感知的预训练模型；具体为：文本解码器基于条件查询与条件编码器提取的特征通过自注意力层交互，获取感知图像信息的文本特征，文本特征包括属性文本特征和美学文本特征，其中，基于属性条件查询得到属性文本特征，基于美学条件查询得到美学文本特征，进而根据文本特征解码生成与之相对应的美学文本或属性文本，最后利用交叉熵损失函数计算生成的文本与实际文本之间的差异，对模型参数进行优化，最终得到兼备美学感知和属性感知的预训练模型； 步骤5，获取并处理图像和对应的美学评分数据； 步骤6，构建融合多模态美学和属性特征的美学评分模型； 步骤7，提取图像的属性和美学特征； 步骤8，融合属性特征和美学特征得到属性感知的美学特征；具体为：利用构建的属性感知的美学特征提取模块融合提取的属性特征tfn和美学特征sfn，在融合过程中，首先将构建的全局属性查询G和tfn输入到构建的全局属性提取模块CAt中，进而得到全局属性特征tg，计算公式为tg＝CAtG,tfn,tfn，然后将tg和sfn输入到构建的美学属性交互模块CAst中，进而得到属性感知的美学特征计算公式为 步骤9，利用线性层将属性感知的美学特征映射到一维，得到美学分数，再利用均方误差损失函数优化模型参数，最终得到美学评分模型。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。