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基于多视图一致性扩散模型的多视图转换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：CN119338967B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411356058.X，技术领域涉及：G06T15/02；该发明授权基于多视图一致性扩散模型的多视图转换方法是由蔡有城;刘利刚设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本基于多视图一致性扩散模型的多视图转换方法在说明书摘要公布了：本发明涉及图像转换技术领域，公开了一种基于多视图一致性扩散模型的多视图转换方法，通过统一的基于扩散模型的多视图到多视图的转换框架，训练一个多视图一致性扩散模型。该转换框架具有一种新的自监督训练策略，一致性和对抗性监督策略，该策略利用现有的2D单视图图像转换器和3D高斯飞溅技术来生成伪真值作为监督信号，从而增强视图一致性和高频细节；该转换框架所训练的多视图一致性扩散模型还包括潜在多视图一致性模块，利用潜在3DGS模块作为底层的3D表示来促进跨多视图的信息交换，从而将3D先验引入到扩散模型中以保证视图一致性。最后，提出联合优化策略，能够在一致性和真实性之间实现更好的权衡。

本发明授权基于多视图一致性扩散模型的多视图转换方法在权利要求书中公布了：1.一种基于多视图一致性扩散模型的多视图转换方法，其特征在于，能够通过完成训练的多视图一致性扩散模型实现图像转换；多视图一致性扩散模型的训练过程具体包括： 步骤一，构建基于扩散模型的多视角图像到多视角图像的转换框架，转换框架用于训练多视图一致性扩散模型；多视图一致性扩散模型包括潜在多视图一致性模块、VAE编码器、第一ControlNet模块和去噪Unet网络；潜在多视图一致性模块包括潜在3DGS 模块和第二ControlNet模块； 步骤二，对多视角图像进行单视角转换，得到转换图像；通过3D高斯飞溅模型对转换图像进行渲染，得到渲染图像，具体包括：多视角图像的集合记为，表示第张图像，N表示图像数量，将多视角图像的集合输入到2D单视角图像转换器，生成一组转换图像的集合，为第张转换图像；使用转换图像直接优化3D高斯飞溅模型，以强制产生几何一致的渲染图像的集合，为第张渲染图像； 向渲染图像加入噪声转换为带噪声的渲染图像；将多视角图像输入到VAE编码器得到条件特征图，将条件特征图和带噪声的渲染图像输入到第一ControlNet模块；将潜在3DGS 模块输出的一致性特征图和带噪声的渲染图像输入到第二ControlNet模块；将文本提示经过文本编码器后输入到去噪Unet网络；多视图一致性扩散模型中的去噪Unet网络输出生成图像； 步骤三，将转换图像和渲染图像视为伪真值，基于所述生成图像并通过对抗生成网络中的判别器与对抗性损失函数来对多视图一致性扩散模型进行监督训练，具体包括：对于给定的几何一致的渲染图像的集合，在训练多视图一致性扩散模型时，在每个时间步直接最小化生成图像与之间的差异，具体包括：随机选择一个时间步长，并加入噪声，将转换为带噪声的渲染图像，一致性损失函数为：； 其中，为在时间步长为时通过去噪UNet网络根据预测噪声输出的生成图像；一致性损失函数使得多视图一致性扩散模型能够生成多视图一致的结果；表示时长的系数，用于控制噪声水平；表示去噪UNet网络；将转换图像作为真样本，而多视图一致性扩散模型输出的生成图像作为假样本； 通过对抗生成网络中的判别器与对抗性损失函数监督多视图一致性扩散模型，具体包括：多视图一致性扩散模型与判别器的对抗性损失函数为： ；； 表示生成损失，用于训练多视图一致性扩散模型；表示判别损失，用于训练判别器；和均表示期望，表示判别器。

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：230026 安徽省合肥市包河区金寨路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”。

以上内容由龙图腾AI智能生成。