買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉齊魯工業(yè)大學(xué)(山東省科學(xué)院)申請(qǐng)的專利一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120430924B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510933651.4，技術(shù)領(lǐng)域涉及：G06T1/00；該發(fā)明授權(quán)一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法是由王春鵬;瞿彬妍;葉偉江;夏之秋;馬賓;王玉立;李健;李琦;王曉雨;張佩;任啟迎;許宏吉;孫岳岳;張倩設(shè)計(jì)研發(fā)完成，并于2025-07-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法，涉及圖像處理技術(shù)領(lǐng)域，其特征在于，包括以下步驟：S1：數(shù)據(jù)集的獲??；S2：構(gòu)建水印攻擊網(wǎng)絡(luò)，主要包括自動(dòng)編碼器、噪聲注入模塊、條件引導(dǎo)模塊和噪聲消除模塊；S3：構(gòu)建損失函數(shù)；S4：構(gòu)建評(píng)價(jià)指標(biāo)。本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法，首先，在高分辨率圖像中，擴(kuò)散模型可以通過(guò)隱空間生成，高效地恢復(fù)圖像的細(xì)節(jié)。其次，隱式擴(kuò)散模型利用擴(kuò)散過(guò)程的特性，通過(guò)迭代的方法逐步細(xì)化圖像內(nèi)容，從而去除水印并恢復(fù)背景信息。最后，擴(kuò)散模型無(wú)需針對(duì)特定水印類型進(jìn)行額外訓(xùn)練，即可直接應(yīng)用于去水印任務(wù)。

本發(fā)明授權(quán)一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法在權(quán)利要求書(shū)中公布了：1.一種基于隱式擴(kuò)散模型的條件引導(dǎo)水印攻擊方法，其特征在于，包括以下步驟： S1：數(shù)據(jù)集的獲??； S2：構(gòu)建水印攻擊網(wǎng)絡(luò)，包括噪聲估計(jì)加噪模塊、條件引導(dǎo)模塊、去噪模塊和下采樣模塊； S3：構(gòu)建損失函數(shù)； S4：構(gòu)建評(píng)價(jià)指標(biāo)； 所述S2的具體步驟為： S21：將含水印圖像輸入至隱式擴(kuò)散模型中； S22：在輸入圖像后，模型選擇一個(gè)擴(kuò)散步數(shù)，在每個(gè)擴(kuò)散步長(zhǎng)，其中，模型都會(huì)根據(jù)預(yù)定義的方差表，向水印圖像添加高斯噪聲，從而得到高斯噪聲圖像； S23：得到高斯噪聲圖像后，隱式擴(kuò)散模型通過(guò)繼承非馬爾可夫過(guò)程升級(jí)傳統(tǒng)去噪擴(kuò)散模型，這個(gè)過(guò)程能夠有效將從中分離出來(lái)，從而跳過(guò)時(shí)間步加速采樣過(guò)程，去噪過(guò)程包括以下步驟： 輸入前向過(guò)程最終輸出高斯噪聲圖像、擴(kuò)散步數(shù)以及增強(qiáng)深度殘差網(wǎng)絡(luò)至反向生成過(guò)程的UNet網(wǎng)絡(luò)，UNet網(wǎng)絡(luò)由編碼器和解碼器組成，中間有一個(gè)跳躍連接，形狀呈U型，所以稱為U-Net結(jié)構(gòu)，在UNet網(wǎng)絡(luò)的解碼部分即上采樣部分引入了隱式神經(jīng)網(wǎng)絡(luò)，通過(guò)隱式神經(jīng)網(wǎng)絡(luò)生成比原圖像更高分辨率的圖像； S24：得到更高分辨率圖像后，對(duì)圖像進(jìn)行下采樣，恢復(fù)回原始大小，從而得到攻擊后的圖像； 在所述S2中采用增強(qiáng)深度殘差網(wǎng)絡(luò)和隱式神經(jīng)網(wǎng)絡(luò)； 增強(qiáng)深度殘差網(wǎng)絡(luò)由卷積層與激活層堆疊，并且引入殘差網(wǎng)絡(luò)，對(duì)含水印圖像進(jìn)行精細(xì)可調(diào)控的特征提取，得到特征，隨后特征饋送到UNet中進(jìn)行初步的條件指導(dǎo)； 在UNet網(wǎng)絡(luò)的上采樣中，應(yīng)用了隱式神經(jīng)表示，其核心思想是將圖像表示為一個(gè)連續(xù)的函數(shù)，而不是傳統(tǒng)的離散像素網(wǎng)格，這種方法允許模型在任意分辨率下生成圖像，在去噪過(guò)程中使用了幾個(gè)基于坐標(biāo)的多層感知機(jī)，以參數(shù)化隱式神經(jīng)表示，這使模型能夠在不犧牲圖像質(zhì)量的情況下，實(shí)現(xiàn)連續(xù)分辨率的圖像超分辨率，用表示連續(xù)坐標(biāo)，根據(jù)隱式表示公式： （1）； 其中：表示隱藏維度256的2層多層感知機(jī)； 表示對(duì)進(jìn)行插值得到的特征，這里的插值是通過(guò)計(jì)算在第層深度中與的最近歐幾里得距離來(lái)實(shí)現(xiàn)的； 表示當(dāng)前第層未插值的坐標(biāo)； 表示對(duì)進(jìn)行插值得到的坐標(biāo)，插值方式同樣是在第層深度計(jì)算與的最近歐幾里得距離來(lái)實(shí)現(xiàn)； 表示編碼器第層上采樣后的特征； 輸入坐標(biāo)周圍的當(dāng)前特征，其后計(jì)算出目標(biāo)特征。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)(山東省科學(xué)院)，其通訊地址為：250300 山東省濟(jì)南市長(zhǎng)清區(qū)大學(xué)路3501號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。