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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 唯品会(广州)软件有限公司陶洪获国家专利权

唯品会(广州)软件有限公司陶洪获国家专利权

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!

龙图腾网获悉唯品会(广州)软件有限公司申请的专利试衣图像生成方法及相关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:CN121352937B

龙图腾网通过国家知识产权局官网在2026-04-07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:202511927395.4,技术领域涉及:G06Q30/0601;该发明授权试衣图像生成方法及相关设备是由陶洪;王山虎;潘攀设计研发完成,并于2025-12-19向国家知识产权局提交的专利申请。

试衣图像生成方法及相关设备在说明书摘要公布了:本申请公开了一种试衣图像生成方法及相关设备,涉及生成式人工智能与计算机视觉技术领域,包括:获取输入数据,使用预设Qwen‑Image‑Edit模型对所述输入数据进行处理,生成试衣图像,所述预设Qwen‑Image‑Edit模型是基于虚拟试衣专用数据集训练后得到的,所述训练包括预训练和多任务监督训练,所述多任务监督训练是基于多任务损失函数实现的。本申请在模型训练的过程中,针对细节纹理、人物的姿态变化以及服装与人体的自然贴合等多方面任务,针对性的设置不同的损失函数,即多任务损失函数,并结合渐进式损失权重调整策略,逐步调整不同任务对应的损失结果的权重,使训练后的模型满足各个任务对应的损失要求,进而,生成更高质量的虚拟试衣图像。

本发明授权试衣图像生成方法及相关设备在权利要求书中公布了:1.一种试衣图像生成方法,其特征在于,所述试衣图像生成方法包括: 响应于试衣图像生成指令,获取输入数据,所述输入数据包括目标人物图像、服装图像和文本指令; 使用预设Qwen-Image-Edit模型对所述输入数据进行处理,生成试衣图像,所述预设Qwen-Image-Edit模型是基于虚拟试衣专用数据集训练后得到的,所述训练包括预训练和多任务监督训练,所述多任务监督训练是基于多任务损失函数、渐进式损失权重调整策略和文本指令模版实现的,所述多任务损失函数包括重建损失函数、感知损失函数、身份保持损失函数、服装细节保持损失函数和物理合理性损失函数; 所述使用预设Qwen-Image-Edit模型对所述输入数据进行处理,生成试衣图像的步骤之前,还包括: 获取多个虚拟试衣专用数据集,所述虚拟试衣专用数据集中包括人物图像数据、服装图像数据和所述人物图像对应的真实试穿图像数据; 基于预设数据预处理策略,对所述多个虚拟试衣专用数据集进行数据预处理,得到数据预处理后的目标虚拟试衣专用数据集; 获取所述目标虚拟试衣专用数据集中的样本输入数据,并获取预先构建的文本指令模版中的样本文本指令,其中,基于所述样本文本指令,所述样本输入数据所对应的生成结果为样本输出数据; 基于所述样本文本指令、所述样本输入数据和所述样本输出数据,对Qwen-Image-Edit模型进行预训练,得到训练后的当前Qwen-Image-Edit模型; 基于所述样本文本指令、预先构建的多任务损失函数、所述样本输入数据、所述样本输出数据和渐进式损失权重调整策略,对当前Qwen-Image-Edit模型进行多任务监督训练,得到预设Qwen-Image-Edit模型; 所述渐进式损失权重调整策略为逐步减少所述多任务损失函数中重建损失函数所对应的权重,并逐步增加所述多任务损失函数中所述感知损失函数、所述身份保持损失函数、所述服装细节保持损失函数和所述物理合理性损失函数所对应的权重; 所述基于所述样本文本指令、预先构建的多任务损失函数、所述样本输入数据、所述样本输出数据和渐进式损失权重调整策略,对当前Qwen-Image-Edit模型进行多任务监督训练,得到预设Qwen-Image-Edit模型的步骤,还包括: 确定预先构建的多任务损失函数中多个损失函数在当前时刻所对应的第一损失权重; 基于所述样本文本指令、预先构建的多任务损失函数、所述样本输入数据、所述样本输出数据和所述第一损失权重,对当前Qwen-Image-Edit模型进行多任务监督训练,得到第一Qwen-Image-Edit模型; 基于渐进式损失权重调整策略,调整所述第一损失权重,得到调整后的第一损失权重; 基于调整后的第一损失权重,返回基于所述样本文本指令、预先构建的多任务损失函数、所述样本输入数据、所述样本输出数据和所述第一损失权重,对当前Qwen-Image-Edit模型进行多任务监督训练的步骤,直至所述第一损失权重无法被调整,得到预设Qwen-Image-Edit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唯品会(广州)软件有限公司,其通讯地址为:510000 广东省广州市海珠区鼎新路128号601室;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。