買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江西師范大學申請的專利一種基于有限數據集的圖像生成方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118379594B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410249559.1，技術領域涉及：G06V10/82；該發明授權一種基于有限數據集的圖像生成方法及系統是由雷浩鵬;梁愷俊;尹豪;王明文;曾錦山;羅國亮設計研發完成，并于2024-03-05向國家知識產權局提交的專利申請。

本一種基于有限數據集的圖像生成方法及系統在說明書摘要公布了：本發明提供一種基于有限數據集的圖像生成方法及系統，該方法包括：將有限圖像數據作為數據集，構建編碼器模型，通過對比學習、KL散度學習和分類學習對所述編碼器模型預訓練；基于預訓練后編碼器模型輸出的條件向量，通過所述數據集對條件擴散模型進行訓練；當用戶輸入圖像后，基于預訓練后編碼器模型輸出的條件向量，通過訓練后的條件擴散模型生成與輸入圖像相似的圖像。通過該方案不僅可以保障擴散模型的準確可靠，而且能夠有效提高生成圖像的質量。

本發明授權一種基于有限數據集的圖像生成方法及系統在權利要求書中公布了：1.一種基于有限數據集的圖像生成方法，其特征在于，包括： 將有限圖像數據作為數據集，構建編碼器模型，通過對比學習、KL散度學習和分類學習對所述編碼器模型預訓練； 所述編碼器模型采用對比學習、KL散度學習和分類學習得到具體圖像特征的條件向量； 其中，基于對比學習，對圖像特征信息進行區分，使內容相同的樣本圖像輸出的條件向量在相近的特征空間中，內容不同的樣本圖像輸出的條件向量在較遠的特征空間中； 基于KL散度學習，對同一個樣本圖像在不同噪聲程度下得到的圖像特征信息進行相近處理，使不同程度噪聲的同一圖像編碼得到的圖像特征信息盡可能相同； 基于分類學習，對提取的圖像特征信息分類，確保所提取的圖像特征信息能區分不同樣本內容； 基于預訓練后編碼器模型輸出的條件向量，通過所述數據集對條件擴散模型進行訓練； 其中，對編碼器模型輸出的條件向量通過全連接層進行嵌入，將條件向量轉化為條件嵌入，并將條件嵌入傳輸至條件擴散模型中； 條件擴散模型根據原始噪聲圖像、擴散步數和條件嵌入預測各擴散步驟的噪聲； 用戶對編碼器模型輸出的條件向量進行編輯以控制圖像的生成； 當用戶輸入圖像后，基于預訓練后編碼器模型輸出的條件向量，通過訓練后的條件擴散模型生成與輸入圖像相似的圖像。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江西師范大學，其通訊地址為：330000 江西省南昌市紫陽大道99號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。