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！

龍圖騰網獲悉中國科學院自動化研究所申請的專利一種基于多模態提示的圖像質量評估模型訓練方法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：CN119515771B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202411384319.9，技術領域涉及：G06T7/00；該發明授權一種基于多模態提示的圖像質量評估模型訓練方法是由王雋;陳澤文;李兵;胡衛明設計研發完成，并于2024-09-30向國家知識產權局提交的專利申請。

本一種基于多模態提示的圖像質量評估模型訓練方法在說明書摘要公布了：本發明公開了一種基于多模態提示的圖像質量評估模型訓練方法。所述方法包括：步驟1、準備訓練圖像質量評估模型所需的數據集；步驟2、對參考樣例和待評估圖像的編碼器進行訓練；步驟3、搭建圖像質量評估模型，以參考樣例特征和待評估圖像特征作為輸入，以圖像質量分數作為輸出；步驟4、利用所述數據集訓練圖像質量評估模型，使用訓練好的圖像質量評估模型進行實際待評估圖像的質量評估。本發明為無參考圖像質量評估模型設計了一種新型的參考樣例形式，由不同質量的失真圖像及其對應的內容描述和外觀描述組成，對圖像質量評估準則有更好的理解，從而促進對未知圖像質量評估的準確性。

本發明授權一種基于多模態提示的圖像質量評估模型訓練方法在權利要求書中公布了：1.一種基于多模態提示的圖像質量評估模型訓練方法，其特征在于，所述方法包括如下步驟： 步驟1、準備訓練圖像質量評估模型所需的數據集； 步驟2、對參考樣例和待評估圖像的編碼器進行訓練，所述編碼器用于獲取參考樣例特征和待評估圖像特征，包括圖像編碼器、文本編碼器、外觀描述編碼器；包括： 步驟2.1、準備M幅不同質量的失真圖像和對應的失真圖像外觀描述作為訓練集； 步驟2.2、將CLIP預訓練的圖像編碼器的權重固定，使用CLIP預訓練的文本編碼器的權重對外觀描述編碼器進行初始化； 步驟2.3、在訓練集中隨機選取一幅失真圖像和對應的失真圖像外觀描述，以及H個不對應的失真圖像外觀描述，將對應的失真圖像外觀描述記作正樣本，不對應的失真圖像外觀描述記作負樣本，將失真圖像和正、負樣本分別輸入圖像編碼器和外觀描述編碼器中，輸出圖像特征、正樣本特征和負樣本特征； 步驟2.4、計算損失函數L： ， 其中，sim表示余弦相似性函數，exp表示指數函數； 對外觀描述編碼器的權重進行梯度更新，圖像編碼器的權重固定； 步驟2.5、返回步驟2.3，繼續訓練，直到損失函數L收斂為止，訓練完成后，圖像編碼器、文本編碼器、外觀描述編碼器的權重均固定； 步驟3、搭建圖像質量評估模型，以參考樣例特征和待評估圖像特征作為輸入，以圖像質量分數作為輸出，所述圖像質量評估模型包括由若干Transformer模塊級聯構成的第一分支和由與Transformer模塊數量相同的提示引導模塊級聯構成的第二分支；其中，圖像質量評估模型的網絡結構包括： 以待評估圖像特征作為圖像質量評估模型第一分支的輸入，以待評估圖像特征和參考樣例特征作為圖像質量評估模型第二分支的輸入，將第一分支的第一個Transformer模塊的輸出特征與第二分支的第一個提示引導模塊的輸出特征相加后，輸入第一分支的下一個Transformer模塊，同時，第二分支的第一個提示引導模塊的輸出特征和參考樣例特征輸入第二分支的下一個提示引導模塊中，直到最后一個提示引導模塊的輸出特征與最后一個Transformer模塊的輸出特征相加后，輸入回歸器；其中，所述第二分支中每個提示引導模塊包括參考圖像關注單元、內容描述關注單元和外觀描述關注單元，每個單元內部執行一次交叉注意力機制的計算； 所述回歸器將特征相加結果調整為一維向量，使用神經元數量遞減的全連接層降低特征維度，輸出圖像質量分數； 待評估圖像特征為使用圖像編碼器對待評估的圖像編碼得到，參考樣例特征為使用圖像編碼器、文本編碼器、外觀描述編碼器分別對不同質量的失真圖像及對應的內容描述和外觀描述編碼得到； 步驟4、利用所述數據集訓練圖像質量評估模型，使用訓練好的圖像質量評估模型進行實際待評估圖像的質量評估。

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中國科學院自動化研究所，其通訊地址為：100190 北京市海淀區中關村東路95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”。