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！

龙图腾网获悉浙江大学申请的专利一种基于扩散模型和语义引导的三维物体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：CN116721200B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310285348.9，技术领域涉及：G06T17/00；该发明授权一种基于扩散模型和语义引导的三维物体生成方法是由耿卫东;凌泽宇;付一童;厉向东;梁秀波设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种基于扩散模型和语义引导的三维物体生成方法在说明书摘要公布了：本发明公开了一种基于扩散模型和语义引导的三维物体生成方法，其特征在于，包括以下步骤：利用CLIP模型的文本编码器根据文本数据生成语义向量；利用条件流模型根据语义向量和第一随机噪声生成形状向量，并将该形状向量与时间步向量拼接作为引导条件；将第二随机噪声作为初始逆扩散向量，利用扩散模型基于引导条件和初始逆扩散向量经过逆扩散生成低维点云向量；利用点云解码器对低维点云向量进行解码得到高维点云，依据高维点云生成三维物体。该方法能生成更高质量的三维物体，但仍存在训练慢、推理慢、只能生成单一类别物体等缺陷。

本发明授权一种基于扩散模型和语义引导的三维物体生成方法在权利要求书中公布了：1.一种基于扩散模型和语义引导的三维物体生成方法，其特征在于，包括以下步骤： 利用CLIP模型的文本编码器根据文本数据生成语义向量； 利用条件流模型根据语义向量和第一随机噪声生成形状向量，并将该形状向量与时间步向量拼接作为引导条件； 将第二随机噪声作为初始逆扩散向量，利用扩散模型基于引导条件和初始逆扩散向量经过逆扩散生成低维点云向量； 利用点云解码器对低维点云向量进行解码得到高维点云，依据高维点云生成三维物体； 所述条件流模型和扩散模型在被应用之前需要经过参数优化，包括以下步骤： 构建样本：准备高维点云，渲染高维点云得到物体图像； 构建训练系统：训练系统包括形状编码器、CLIP模型、点云编码器、条件流模型、扩散模型，高维点云同时经过形状编码器和点云编码器编码得到形状向量和低维点云向量，物体图像经过CLIP模型的图像编码器编码得到语义向量，形状向量和语义向量经过条件流模型生成第三随机噪声，以低维点云向量作为扩散模型正向扩散过程的初始正扩散向量，通过在每个扩散步增加实际噪声实现正向扩散并获得每个扩散步的正扩散向量，以从高斯分布随机采样的第四随机噪声作为扩散模型逆向扩散过程的初始逆扩散向量，并以形状向量和时间步向量的拼接结果作为引导条件，针对每步逆扩散，基于引导条件和前一扩散步的逆扩散向量计算累积噪声，并根据累积噪声计算每个扩散步的逆扩散向量； 构建损失函数：以第三随机噪声与预设噪声标签之差作为条件流模型的监督损失函数，以同一扩散步的正向扩散过程增加的实际噪声与逆向扩散过程计算的累积噪声之差作为扩散模型的监督损失函数； 系统训练：采用损失函数和样本对训练系统进行训练，以优化条件流模型和扩散模型的参数； 所述扩散模型的逆扩散过程中，通过噪声预测网络基于引导条件和前一扩散步的逆扩散向量预测累积噪声，所述噪声预测网络包括至少两个噪声预测单元，每个噪声预测单元包括特征融合模块、特征提取模块以及特征传播模块，引导条件和前一扩散步的逆扩散向量经过特征融合模块融合为拼接特征，拼接特征经过特征提取模块的点云分支、采样分支以及体素分支分别提取三种模态特征，三种模态特征经过特征传播模块计算得到的特征作为所述累积噪声； 所述特征融合模块包括三个线性层，前一扩散步的逆扩散向量经过第一线性层后与引导条件经过第二线性层的结果进行点乘得到融合特征，引导条件依次经过第二线性层和第三线性层的结果与融合向量拼接得到所述拼接特征。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。