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！

龙图腾网获悉华东师范大学申请的专利一种基于注意力机制的人体姿态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：CN115393890B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202210809719.4，技术领域涉及：G06V40/10；该发明授权一种基于注意力机制的人体姿态转换方法是由孙力;周新月设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本一种基于注意力机制的人体姿态转换方法在说明书摘要公布了：本发明公开了一种基于注意力机制的人体姿态转换方法，其特点是将源人体图像和目标姿态图像送入生成器转换为源人体图像在目标姿态图像下的目标人体图像；构建源人体图像中所有语义风格的自注意力模块；构建源人体图像中所有语义风格与目标姿态图像之间的交叉注意力模块，利用交叉注意力模块中的交叉注意力矩阵生成目标语义分割图；将自注意力模块和交叉注意力模块嵌入到生成器中，训练一个生成对抗网络，实现人体姿态转换。本发明与现有技术相比具有使用一个训练阶段可以同时生成目标人体图像和目标语义分割图，显著地提高图像质量的特点，方法简单，效率高，较好地解决了由于源人体图像和目标姿态之间缺乏高效融合导致生成图像质量差的问题。

本发明授权一种基于注意力机制的人体姿态转换方法在权利要求书中公布了：1.一种基于注意力机制的人体姿态转换方法，其特征在于，该方法包括以下具体步骤： 步骤1：将源人体图像和目标姿态图像送入生成器转换为源人体图像在目标姿态图像下的目标人体图像； 步骤2：构建源人体图像中所有语义风格的自注意力模块； 步骤3：构建源人体图像中所有语义风格与目标姿态图像之间的交叉注意力模块，且利用交叉注意力模块中的交叉注意力矩阵生成目标语义分割图； 步骤4：将自注意力模块和交叉注意力模块嵌入到生成器中，训练一个生成对抗网络，实现人体姿态转换；其中： 所述生成器由姿态编码器、风格编码器、AdaIN模块和解码器组成，其中目标姿态图像输入姿态编码器得到目标姿态特征，源人体图像和包含K个语义的源语义分割图输入风格编码器得到K个语义风格编码，然后将K个语义风格编码通过AdaIN模块以侧枝的形式注入到目标姿态特征中，得到初步融合的特征，最后将初步融合的特征输入解码器生成源人体图像在目标姿态图像下的目标人体图像； 所述步骤2，具体包括： 步骤2-1：将K个语义风格编码全部作为查询值query、键值key和值项value，其中查询值query、键值key和值项value的维度大小均为K*C，计算K个语义风格编码之间的相似度，即查询值query与键值key矩阵相乘，经softmax函数处理后得到自注意力矩阵，其维度大小为K*K； 步骤2-2：将自注意力矩阵与值项value矩阵相乘，得到自注意力机制的输出self_out，其维度大小为K*C； 步骤2-3：将自注意力机制的输出self_out与K个语义风格编码相加，得到自注意力机制的残差输出residual_self，其维度大小为K*C； 所述步骤3，具体包括： 步骤3-1：将初步融合的特征作为查询值query，其维度大小为HW*C，自注意力机制的残差输出residual_self作为键值key和值项value，其维度大小为K*C，计算初步融合的特征与自注意力机制的残差输出residual_self之间的相似度，即查询值query和键值key矩阵相乘，经softmax函数处理后得到交叉注意力矩阵，其维度大小为HW*K； 步骤3-2：将交叉注意力矩阵与值项value矩阵相乘，得到交叉注意力机制的输出cross_out，其维度大小为HW*C； 步骤3-3：将交叉注意力机制的输出cross_out与初步融合的特征相加，得到交叉注意力机制的残差输出residual_cross，其维度大小为HW*C； 步骤3-4：输入源人体图像在目标姿态图像下的语义分割图，将其作为真实标注GroudTruth，使用交叉熵损失约束交叉注意力矩阵AM，从而利用交叉注意力矩阵AM生成目标语义分割图。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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。