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！

龙图腾网获悉中国科学技术大学申请的专利多模态引导的渐进式图像生成方法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：CN119888015B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510369207.4，技术领域涉及：G06T11/60；该发明授权多模态引导的渐进式图像生成方法是由庄连生;郭欣然设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本多模态引导的渐进式图像生成方法在说明书摘要公布了：本发明涉及图像处理领域，具体涉及一种多模态引导的渐进式图像生成方法，包括：为接收数据生成多模态的特征；通过噪声采样和多模态特征融合方法，利用布局去噪网络为每个主体对象生成层最终布局；通过反演算法提取参考图像的潜在编码，结合层文本编码经稳定扩散模型迭代去噪，提取参考键值矩阵；将初始噪声、层最终布局、多模态的特征及参考键值矩阵输入分层扩散模型，经多步去噪后通过解码生成主体透明图层；将所有主体透明图层叠加形成混合图像后，基于全局文本编码驱动图像恢复网络生成目标图像。本发明解决了现有方法在处理复杂场景时的缺陷；确保了生成的图像在全局和局部都能与文本描述保持一致。

本发明授权多模态引导的渐进式图像生成方法在权利要求书中公布了：1.一种多模态引导的渐进式图像生成方法，其特征在于，包括： 通过编码获取输入数据中每个参考图像对应的参考图像视觉嵌入、全局文本提示对应的全局文本编码、每个层文本提示对应的层文本编码；其中，输入数据中参考图像的数量为任意数量，每个层文本提示与每个参考图像对应一个主体对象，每个主体对象对应一个层文本提示及任意数量的参考图像； 通过噪声采样和多模态特征融合方法，为每个主体对象生成层最终布局； 用反演算法，为所有参考图像生成潜在编码；将潜在编码与层文本编码输入稳定扩散模型迭代去噪，提取参考键矩阵和参考值矩阵； 采样噪声作为每个主体对象对应的初始图层噪声图像，基于参考图像视觉嵌入、层最终布局、参考键矩阵和参考值矩阵，使用分层扩散模型，进行多个时间步的迭代对初始图层噪声图像去噪，得到每个时间步的图层特征，对最后一个时间步的图层特征进行解码，得到每个主体对象对应的主体透明图层图像； 将所有主体透明图层图像叠加，生成混合图像； 基于全局文本编码，使用图像恢复网络对混合图像进行修复，得到目标图像； 以及，输入数据中还包括参考图像掩码，其中，参考图像与参考图像掩码一一对应； 以及，进行多个时间步的迭代对初始图层噪声图像去噪，得到每个时间步的图层特征的步骤包括： 迭代多个时间步对初始图层噪声图像进行去噪，每个时间步中的步骤包括： 在分层扩散模型的自注意力层，对该时间步中初始图层噪声图像的去噪结果，基于参考图像视觉嵌入和参考图像掩码，通过拼接参考键矩阵和参考值矩阵扩展自注意力计算，生成该时间步的视觉约束特征； 在交叉注意力层，基于层最终布局，将视觉约束特征与层文本编码进行空间约束交叉注意力计算，生成该时间步的空间约束特征； 将空间约束特征输入分层扩散模型后续的网络层，生成该时间步的图层特征。

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中国科学技术大学，其通讯地址为：230600 安徽省合肥市金寨路96号；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”。