Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆邮电大学黄宏程获国家专利权

重庆邮电大学黄宏程获国家专利权

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!

龙图腾网获悉重庆邮电大学申请的专利一种基于潜在扩散模型的用户界面布局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:CN119415094B

龙图腾网通过国家知识产权局官网在2025-10-31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:202411459398.5,技术领域涉及:G06F8/38;该发明授权一种基于潜在扩散模型的用户界面布局生成方法是由黄宏程;崔映彤;胡敏设计研发完成,并于2024-10-18向国家知识产权局提交的专利申请。

一种基于潜在扩散模型的用户界面布局生成方法在说明书摘要公布了:本发明涉及一种基于潜在扩散模型的用户界面布局生成方法,属于图像生成领域。本发明基于BERT模型从界面需求描述文本中提取组件和约束,利用图卷积网络模块预测完整约束关系和边框生成完整图,基于潜在扩散模型生成用户界面布局。一方面在用户界面生成中引入潜在扩散模型,能细致地捕捉UI元素之间的复杂关系和细节,从而生成更精确和符合交互规范的用户界面。另一方面在用户界面生成中引入图卷积网络,能有效预测组件之间的完整约束关系,对用户界面元素之间的复杂依赖和交互进行有效捕捉和建模;通过图结构对元素之间的位置、对齐和功能等多维约束,生成更加协调和符合设计规范的布局;提高了生成界面的美观性和实用性,提升用户体验。

本发明授权一种基于潜在扩散模型的用户界面布局生成方法在权利要求书中公布了:1.一种基于潜在扩散模型的用户界面布局生成方法,其特征在于,包括以下步骤: S1.基于来自Transformer的双向编码器表征BidirectionalEncoderRepresentationfromTransformers,BERT模型从界面需求描述文本中提取组件和约束,具体为:先对原始界面需求文本数据进行整理,切分成待处理文本;再利用BERT模型构建文本分类模型,从待处理文本中得到用户界面组件类型和用户界面组件之间部分约束关系; S2.利用图卷积网络GraphConvolutionalNetworks,GCN模块预测完整约束关系和边框生成完整图,具体为:将从S1中获取的用户界面组件类型和用户界面组件之间部分约束关系作为输入,通过GCN模块处理,得到各个用户界面组件之间的完整约束关系; S3.基于潜在扩散模型生成用户界面布局,具体为:将从S2中获取的用户界面组件之间的完整约束关系和原始界面图片作为输入,经过潜在扩散模型的感知图像压缩、前向加噪和反向去噪过程处理,得到带用户界面布局图; 所述S2采用以下方法实现: 图由用户界面组件E={e1,e2,...,eM}和用户界面组件约束关系C={c1,c2,...,cN}构造而成;在构建元素节点和约束节点之间的链接时,用邻接矩阵A描述图上所有邻接关系;GCN层为两层结构,每层由多个GCN单元构成的;对从S1中得到的用户界面组件和组件关系进行词嵌入处理,得到邻接矩阵A和节点特征矩阵X,每一层的节点特征更新公式为: 其中,Hl+1为第l+1层的节点特征矩阵,表示该层的每个节点经过卷积后的特征;Hl是第l+1层的输入,表示第l层的节点特征矩阵,即该层每个节点的特征;H0为初始层的输入特征矩阵X,X的每行是一个节点的初始特征;为经过归一化处理后的邻接矩阵,表示图中的节点连接关系;I为单位矩阵,表示在邻接矩阵中加入自连接;为加上自连接的邻接矩阵,是的度矩阵,Wl为第l层的权重矩阵,激活函数采用ReLU函数; 将GCN层输出的组件和约束关系特征输入到关系预测器中,预测完整约束关系;使用多分类交叉熵损失函数预测边约束关系,具体为:假设Tuv表示节点u和节点v之间的真实边约束类型,损失函数的计算公式如下: 其中,k是边类型的数量,Tuvk是边u,v的类型标签向量,Suvk表示节点u和节点v之间的约束关系属于类别k的概率; 所述前向加噪过程用于对正态分布变量进行去噪来学习数据分布px,将特征向量z加噪为在扩散过程中T时刻的潜在变量zT;所述反向去噪过程用于将zT还原为z,去噪过程的核心结构是一个由交叉注意力组成的U-Net网络; 所述反向去噪过程还包括条件约束机制,采用以下方法实现: 将前置条件编码成一个特征向量τθ,在初始状态zT和采样信息中注入条件信息,通过反向去噪过程pθzt-1|zt,y学习条件分布,其过程表示为: 其中,前向加噪过程qz1:T|z0保持不变,y为句子真实标签向量; 利用GCN模型的编码器将用户界面组件类型和用户界面组件之间的约束关系映射到向量空间,并利用交叉注意力机制将条件融入U-Net的中间层,最终得到加入条件的潜在扩散模型的损失函数为:

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重庆邮电大学,其通讯地址为:400065 重庆市南岸区黄桷垭崇文路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。