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！

龙图腾网获悉苏州品物智能科技有限责任公司申请的专利用于广告图像素材生成的扩散模型采样与蒸馏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：CN120373356B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510874444.6，技术领域涉及：G06N3/045；该发明授权用于广告图像素材生成的扩散模型采样与蒸馏方法是由宋佳骏;徐玥;张皓天;吴瑞明设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本用于广告图像素材生成的扩散模型采样与蒸馏方法在说明书摘要公布了：本申请涉及机器学习技术领域中的计算机视觉方向，尤其涉及一种用于广告图像素材生成的扩散模型采样与蒸馏方法，包括加载预训练扩散模型并执行完整扩散采样过程，通过多步去噪推理收集完整潜在特征轨迹；对收集的所述潜在特征轨迹进行折线简化分析，生成关键时间步集合；基于所述关键时间步集合以及教师扩散模型的指导，采样分段渐进式蒸馏训练，构建广告领域专用的学生轻量生成模型。本申请能够兼顾广告素材生成的高效率与高质量的同时，在极少采样步骤内生成专业化的广告素材。

本发明授权用于广告图像素材生成的扩散模型采样与蒸馏方法在权利要求书中公布了：1.一种用于广告图像素材生成的扩散模型采样与蒸馏方法，其特征在于，所述方法包括： 加载预训练扩散模型并执行完整扩散采样过程，通过多步去噪推理收集完整潜在特征轨迹，包括：加载训练完成的扩散模型，设定扩散过程的总时间步数，构造初始潜在变量作为扩散过程的起始输入，表示图像的初始噪声状态，定义如下：； 其中，和分别表示潜在特征图的空间高度和宽度，为通道数，代表所有实数的集合；按照时间步从递减至的顺序执行多步去噪推理，每一个时间步中，输入当前潜在变量及对应时间步信息到扩散模型中，通过神经网络前向传播，输出更新后的潜在变量，在每一步推理完成后，保存当前时间步的潜在特征，依次记录所有时间步的潜在变量，形成一条长度为的潜在特征轨迹； 对收集的所述潜在特征轨迹进行折线简化分析，生成关键时间步集合，包括：针对潜在特征轨迹中每个空间位置及每个通道，抽取其在所有时间步对应的特征值序列，将其视作一组二维点集，其中横坐标为时间步，纵坐标为对应的特征值，形成多条折线； 应用RDP算法针对每条折线，计算折线端点间直线与各中间点的垂直距离，垂直距离的计算公式如下： ； 其中，、、分别为折线起点、中间点和终点的二维坐标向量，表示二维向量的叉积，表示向量的模长； 若最大垂直距离超过预设阈值，则保留对应时间步点，递归地对折线两端继续简化，直到所有点的最大垂直距离均不超过预设阈值； 或者，所述对收集的所述潜在特征轨迹进行折线简化分析还包括： 针对潜在特征轨迹中每个空间位置及每个通道在潜在特征轨迹中的变化序列作为分析对象，构建对应的时序折线，每条折线可表示为点集： ； 对于某条折线的首尾点、、及中间任意点，其DNRD距离定义如下： ; 其中，，表示中间点前后帧的特征差；-，表示标准时间步间隔；，表示首尾两点的整体特征差；，表示首尾时间跨度； 若最大DNRD距离超过预设阈值，则保留对应时间步点，递归地对折线两端继续简化，直至所有点的最大DNRD距离均不超过预设阈值； 完成折线简化后，统计所有被保留时间步点在所有折线中的出现频次；设置频次阈值，；选择满足的时间步，构成关键时间步集合，，其中，为频次的最大值，； 基于所述关键时间步集合以及教师扩散模型的指导，采用分段渐进式蒸馏训练，构建广告领域专用的学生轻量生成模型，包括： 将时间区间中的关键时间步集合按照时间顺序重排，并构造一系列时间区间段对，其中每一对满足，代表一次从噪声状态向目标状态的去噪跃迁； 在蒸馏训练中，教师模型提供中间特征对，学生模型接收教师模型在时间步的特征，并预测其对应时间步的初始噪声表示； 引入评分辅助网络，评分网络的训练目标为最小化以下加权均方误差损失函数： ； 其中，和分别表示教师模型在时间步、的潜在表示,表示在教师模型生成的数据对上的数学期望；和分别表示在时间步、的噪声调度系数；表示学生模型在时间步，接收输入后输出的估计噪声或梯度；为学生模型参数的梯度； 权重函数定义如下： ； 其中，表示时间步在全部特征轨迹折线简化过程中被选为关键节点的频次。

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苏州品物智能科技有限责任公司，其通讯地址为：215000 江苏省苏州市姑苏区平江街道大儒巷33号8号楼8464室；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”。