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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于语义对齐和文本融合的文本生成图像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：CN119722839B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411763238.X，技术领域涉及：G06T11/00；该发明授权一种基于语义对齐和文本融合的文本生成图像方法是由周家辉;杨冰;姚金良;黄孝喜;余承昊设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于语义对齐和文本融合的文本生成图像方法在说明书摘要公布了：本发明公开了一种基于语义对齐和文本融合的文本生成图像方法，其分别提取真实图像与生成图像的语义特征，通过判别器中的语义对齐模块对两者的高层语义进行比对和调整，并根据判别器的输出结果对生成器的参数进行更新，确保生成图像在语义层面和细节处理与真实图像保持一致，弥补文本描述的不足，从而提升了整个生成模型的表现；同时，本发明通过星模块卷积层能够更加全面地捕捉文本描述中隐含的细微差异，从而显著增强了图像的细节表现力和生成质量；此外，本发明在生成器添加可变形卷积，有效地保留了复杂的细节信息，使得生成图像在视觉上更加真实，且增强了模型在不同情境和风格下的适应性和一致性。

本发明授权一种基于语义对齐和文本融合的文本生成图像方法在权利要求书中公布了：1.一种基于语义对齐和文本融合的文本生成图像方法，其特征在于：包括以下步骤： 步骤一、获取文本以及对应图像构建数据集；以文本对应的图像作为该文本的真实图像； 步骤二、构建文本生成图像模型；文本生成图像包括生成器和鉴别器；生成器用于根据文本生成贴合该文本语义的图像； 所述生成器中引入星模块卷积层和图片生成块对输入文本进行处理； 所述星模块卷积层使用两次深度卷积对输入特征进行处理，并通过多层非线性变换和通道交互机制提取多模态特征之间的关系；所述图片生成块中引入可变形卷积层；所述可变形卷积层对输入可变形卷积层的特征图X的处理方式如下： 对于可变形卷积层中每一个卷积核的位置，定义多个方向，每个方向对应一个可调的位移，形成方向点集合；其中，；k为卷积核的大小；输入可变形卷积层的特征图X的卷积运算表示为： ； 其中，为可变形卷积层输出特征在位置的值；为每个方向上对应的卷积权重；为通过位移在特征图中采样的像素值； 所述的鉴别器包括第二视觉编码器、特征提取模块、语义对齐模块和图像评估模块；第二视觉编码器用于提取生成器生成的被测图像与真实图像Xreal的视觉特征，获取被测图像特征和真实图像特征；特征提取模块逐层提取和增强融合第二视觉编码器获取的视觉特征，分别获取真实图像Xreal对应的视觉总结特征fr‑end和被测图像对应的视觉总结特征；语义对齐模块用于对被测图像特征和真实图像特征的高层语义特征进行比对和校正，获取语义对齐特征fse；图像评估模块以语义对齐特征fse、文本特征T以及视觉总结特征fr‑end和进行拼接后的特征作为输入，获取鉴别结果； 所述的语义对齐模块包括依次连接的多个语义对齐块；多个语义对齐块的结构相同，均包括依次连接的第一映射卷积层、空间转换层和第二卷积层；每一个语义对齐块均依次通过第一映射卷积层和空间转换层对特征和特征融合，获取融合对齐语义sej；第一个语义对齐块中的第二卷积层接收对应空间转换层的输出作为输入；其余语义对齐块中的第二卷积层均以对应空间转换层和上一个语义对齐块的输出拼接后的特征作为输入； 第一个语义对齐块输出的特征图；第二个和三个语义对齐块输出的特征图；以最后一个语义对齐块输出的特征图作为语义对齐模块输出的语义对齐特征fse；其中，j为语义对齐块的序列； 步骤三、将数据集输入文本生成图像模型进行训练；使用训练后的文本生成图像模型根据未带标签的文本生成贴合该文本语义的图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。