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！

龙图腾网恭喜杭州轩晔数字科技有限公司申请的专利一种图像AIGC模型推断速度的优化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：CN118734971B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410833251.1，技术领域涉及：G06N5/04；该发明授权一种图像AIGC模型推断速度的优化方法是由许博宇;赖锡晶设计研发完成，并于2024-06-26向国家知识产权局提交的专利申请。

本一种图像AIGC模型推断速度的优化方法在说明书摘要公布了：本发明公开了一种图像AIGC模型推断速度的优化方法，涉及人工智能技术领域。所述方法包括：步骤1：构建输入图像的高维复数特征空间；步骤2：初始化多模态谱卷积核，并定义多模态卷积操作；对输入图像的高维复数特征空间进行多模态图谱卷积操作，计算初始卷积输出；步骤3：对初始卷积输出应用复数激活函数和高维拉普拉斯算子，得到优化推断特征；步骤4：AIGC模型基于优化推断特征进行模型推断，生成图像；步骤5：评估生成图像的质量，得到质量评估结果，基于质量评估结果对多模态卷积核参数进行优化。本发明显著提高了图像AIGC模型的推断速度和生成质量。

本发明授权一种图像AIGC模型推断速度的优化方法在权利要求书中公布了：1.一种图像AIGC模型推断速度的优化方法，其特征在于，所述方法包括：步骤1：构建输入图像的高维复数特征空间；步骤2：初始化多模态谱卷积核，并定义多模态卷积操作；对输入图像的高维复数特征空间进行多模态图谱卷积操作，计算初始卷积输出；步骤3：对初始卷积输出应用复数激活函数和高维拉普拉斯算子，得到优化推断特征；步骤4：AIGC模型基于优化推断特征进行模型推断，生成图像；步骤5：评估生成图像的质量，得到质量评估结果，基于质量评估结果对多模态卷积核参数进行优化；计算输入图像的复数矩阵表示；使用复数域的多尺度分解，将复数矩阵映射到不同频率和特征维度上，同时引入分形维度参数对不同频率和特征维度进行扩展和加权，再通过复数高斯-勒让德变换进行平滑处理，得到输入图像的高维复数特征空间；使用如下公式，计算输入图像的复数特征表示： ；其中，为输入图像的复数矩阵表示；为输入图像的二维矩阵表示；为虚数单位，定义为；为对输入图像进行Hilbert变换，得到其瞬时幅值和相位信息；和分别表示输入图像在水平方向和垂直方向上的像素坐标；通过如下公式，使用复数域的多尺度分解，将复数矩阵映射到不同频率和特征维度上，同时引入分形维度参数对不同频率和特征维度进行扩展和加权，得到复数分形表示： ；其中，表示第个特征维度上的复数分形表示；分别表示水平方向上和垂直方向上的的频率范围；和分别表示水平方向上和垂直方向上的频率成分；为分形维数参数，用于调节多尺度分解中的权重；为分形维数参数，控制特征维度的扩展程度；和均为下标索引；复数分形表示通过复数高斯-勒让德变换进行平滑处理，得到输入图像的高维复数特征空间： ；其中，为高斯函数的标准差；和分别为输入图像在水平方向和垂直方向上的像素个数；为勒让德多项式；为高维复数变量；步骤2中的初始化的多模态谱卷积核使用如下公式进行表示： ；其中，表示在空间位置和通道上的多模态谱卷积核；为初始频率参数；对输入图像的高维复数特征空间进行多模态图谱卷积操作，计算初始卷积输出： ；其中，表示初始卷积输出；表示对所有特征提取路径进行求和，表示特征提取路径的总数；为下标索引；表示沿着特征提取路径进行积分运算；表示卷积操作；表示多模态图谱的图结构；为多模态特征提取函数，定义为： ；其中，为路径角度中心；为角度变量；表示路径角度的尺度；为时间域变换函数的数量；为下标索引；为时间变换域函数，为时间变量；；其中，为时间衰减参数；为时间频率参数；步骤3中，通过如下公式，对初始卷积输出应用复数激活函数： ；其中，表示复数激活函数；通过如下公式，对初始卷积输出应用复数激活函数后，再乘以高维拉普拉斯算子，得到优化推断特征；步骤5中，通过评估生成图像与预期生成图像的差别，得到质量评估结果，具体包括：计算生成图像与预期生成图像在对应位置的像素差值，得到所有位置的像素差值的总和后，除以像素总数，作为质量评估结果；多模态卷积核中的初始频率参数除以质量评估结果，完成优化。

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轩晔数字科技有限公司，其通讯地址为：311400 浙江省杭州市富阳区银湖街道银湖路299号长新博澜大厦2号1001室；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”。