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！

龙图腾网恭喜浙江科技大学申请的专利基于扩散模型的无训练布局到图像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：CN119169146B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202411679118.1，技术领域涉及：G06T11/00；该发明授权基于扩散模型的无训练布局到图像生成方法是由林志洁;郑心浩;郑宗昊;周礼洁;王浩麟;潘玥;平升阳;泮宇鑫;邢锦琦;孙以恒;刘畅;刘轩麟;华浩天;赵科竣;应卫东设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于扩散模型的无训练布局到图像生成方法在说明书摘要公布了：本发明提供了基于扩散模型的无训练布局到图像生成方法。本发明设计了针对交叉注意力引导的免训练布局到图像合成方法，从而实现布局生成图像的快速高效实现，由此，对于给定的一张布局图像与文本提示词，可以直接生成图像。

本发明授权基于扩散模型的无训练布局到图像生成方法在权利要求书中公布了：1.一种基于扩散模型的无训练布局到图像生成方法，其特征在于，所述方法包括如下步骤：步骤一：获取要进行图像生成的布局图像和文本提示词，使用Clip模型编码器将文本提示词编码成文本向量；步骤二：将文本向量、布局图像和随机生成的高斯噪声输入预训练的稳定扩散模型中，提取布局图像中标注框所在区域，在稳定扩散模型的交叉注意力图中采用一个软掩膜，得到基类掩模图，获得交叉注意力函数和交叉注意力图的全部计算结果；步骤三：提取交叉注意力函数与核心词语位置相对应的掩膜，应用边缘提取，使用Sobel算子最大化边缘区域内的交叉注意力图的方差以实现最大化边缘区域；步骤四：提取交叉注意力图，将文本提示词所生成的各交叉注意力图与加权因子进行加权平均计算，获得目标实际交叉注意力图；步骤五：计算目标实际交叉注意力图与实际注意力图之间的均方误差，在每个降噪步骤中修改噪声样本，以使用梯度下降最小化损失，选择布局图像与文本语义最拟合的结果作为最终生成结果；其中，步骤二中包括：将文本向量、布局图像和随机生成的高斯噪声输入预训练的稳定扩散模型中，经过Unet网络去噪后，第步交叉注意力图用公式表示为：；其中，查询是从给定大小的特征图中计算出，键由文本向量通过线性映射得出；有个注意力图，根据感兴趣的文本令牌提取对应的和；表示文本令牌与特征映射中每个空间位置的关联强度；步骤二中，随机生成的高斯噪声是尺寸为的纯噪声图像，和分别代表图像的高度和宽度；将每个边界框变换为其对应的二进制掩码，在稳定扩散模型的交叉注意力图中采用一个软掩膜，得到基类掩膜图，从而得到损失函数，其中，，。

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浙江科技大学，其通讯地址为：310000 浙江省杭州市西湖区留和路318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”。