買專利賣專利找龍圖騰，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)獲悉浙江大學(xué)申請(qǐng)的專利一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120125473B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16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：202510594067.0，技術(shù)領(lǐng)域涉及：G06T5/77；該發(fā)明授權(quán)一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法及裝置是由王東霞;徐智鴻;郭青設(shè)計(jì)研發(fā)完成，并于2025-05-09向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法及裝置在說明書摘要公布了：本發(fā)明公開了一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法及裝置，該方法獲取二維RGB參考人物圖像和二維RGB目標(biāo)人物圖像構(gòu)成訓(xùn)練數(shù)據(jù)對(duì)，基于二維RGB目標(biāo)人物圖像得到對(duì)應(yīng)的姿態(tài)圖像，提取總體人體語義分割掩碼圖和局部區(qū)域分割圖，對(duì)訓(xùn)練數(shù)據(jù)對(duì)編碼為潛在特征并添加隨機(jī)噪聲，基于孿生擴(kuò)散模型進(jìn)行特征融合和去噪過程，進(jìn)行圖像復(fù)原，最后基于解碼器得到最終目標(biāo)人物圖像。本發(fā)明采用孿生擴(kuò)散模型框架來克服先前傳統(tǒng)方法保留細(xì)粒度信息能力弱的固有缺點(diǎn)，有效提高了具有復(fù)雜圖案衣服的人物外觀一致性，克服了傳統(tǒng)先前方法在參考人物姿態(tài)與目標(biāo)姿態(tài)變化過大時(shí)無法合理生成的問題，顯著提升了生成圖片的質(zhì)量。

本發(fā)明授權(quán)一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法及裝置在權(quán)利要求書中公布了：1.一種基于孿生擴(kuò)散模型的多視角人物圖像重建方法，其特征在于，該方法包括模型訓(xùn)練和模型推理兩部分： （1）模型訓(xùn)練 步驟1.1：獲取二維RGB參考人物圖像和二維RGB目標(biāo)人物圖像，并推理得到二維RGB目標(biāo)姿態(tài)圖像； 步驟1.2：基于二維RGB參考人物圖像、二維RGB目標(biāo)姿勢(shì)圖像獲得總體人體語義分割掩碼圖和局部區(qū)域分割圖； 步驟1.3：將二維RGB參考人物圖像和二維RGB目標(biāo)人物圖像輸入編碼器得到潛在參考人物圖像特征和目標(biāo)人物圖像特征，并對(duì)目標(biāo)人物圖像特征添加噪聲得到潛在變量；將二維RGB目標(biāo)姿態(tài)圖像輸入姿態(tài)多層卷積網(wǎng)絡(luò)得到姿態(tài)特征； 步驟1.4：基于孿生擴(kuò)散模型融合步驟1.2的結(jié)果和步驟1.3得到的潛在參考人物圖像特征、潛在變量和姿態(tài)特征，并通過逆向擴(kuò)散過程去除噪聲，復(fù)原生成目標(biāo)人物圖像特征；孿生擴(kuò)散模型采用兩個(gè)UNet網(wǎng)絡(luò)，分別為特征提取網(wǎng)絡(luò)和生成網(wǎng)絡(luò)，基于人物解析掩碼引導(dǎo)的注意力融合機(jī)制和CLIP引導(dǎo)的局部對(duì)齊機(jī)制兩階段實(shí)現(xiàn)細(xì)粒度的特征融合；第一階段人物解析掩碼引導(dǎo)的注意力融合機(jī)制利用插值方法將總體人體語義分割圖重塑為生成網(wǎng)絡(luò)中每一層的特征變量形狀，第二階段利用CLIP提取重合局部區(qū)域的特征并與潛在變量融合實(shí)現(xiàn)局部區(qū)域的特征對(duì)齊增強(qiáng)； （2）模型推理 步驟2.1：獲取需要重建的二維RGB參考人物圖像和二維RGB目標(biāo)姿態(tài)圖像，以及獲取總體人體語義分割掩碼圖和局部區(qū)域分割圖，基于訓(xùn)練后的編碼器和姿態(tài)多層卷積網(wǎng)絡(luò)獲得潛在參考人物圖像特征和姿態(tài)特征；并通過隨機(jī)初始化得到隨機(jī)噪聲； 步驟2.2：基于訓(xùn)練后的孿生擴(kuò)散模型進(jìn)行特征融合，并通過逆向擴(kuò)散過程去除噪聲，復(fù)原生成完整潛在圖像特征，輸入到解碼器中得到最終目標(biāo)人物圖像。

如需購買、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)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866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)”。