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！

龙图腾网获悉青岛三态比特科技有限公司申请的专利一种服装面料替换方法及装置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：CN118941799B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202410941842.0，技术领域涉及：G06V10/28；该发明授权一种服装面料替换方法及装置是由马映辉;高巍胜;陈锌设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本一种服装面料替换方法及装置在说明书摘要公布了：本发明公开了一种服装面料替换方法及装置，属于计算机与网络技术领域，采用先进的Mosaic数据增强技术，结合基于C‑TransUNet的语义分割网络，实现对服装图像的精准分割，确保了服装特征的准确捕捉。进一步地，引入SharedAttentionStableDiffusionSA‑SD模型，对个性化面料进行高效的四方连续生成，满足用户对面料纹理和图案的细致要求。最后，利用Attention‑EnhancedThinPlateSplineA‑TPS算法，完成面料风格迁移和边缘修复，使得虚拟试衣效果更加逼真，贴近真实穿着体验。本发明的服装面料替换方法及装置，不仅解决了个性化定制的技术难题，提高了试衣的真实感和用户体验，还为服装行业的创新和发展提供了新的动力和方向。

本发明授权一种服装面料替换方法及装置在权利要求书中公布了：1.一种服装面料替换方法，其特征在于，包括以下步骤：S1：对数据库中的服装图像数据进行灰度计算获取灰度图，并利用Mosaic方法分别对RGB图像数据与灰度图像数据进行数据增强，再经过图像预处理后一起输入到C-TransUNet网络中，同时获取用户输入的模特服装图与面料图；S2：通过建立基于C-TransUNet的语义分割网络来实现模特服装图像的精准分割，C-TransUNet网络模型由卷积层，浅层特征融合模块，融合视觉Transformer网络和解码器模块组成，其中，卷积层和浅层特征融合模块用于提取和融合浅层特征，融合视觉Transformer网络用于学习高类间可分离性和低类内多样性的跨通道深层次表征，解码器模块以更高精度恢复输入图像的空间信息；S3：利用二元交叉熵损失函数来对S2中网络的参数进行优化，进一步提高对服装图像中衣服的分割性能，并保存训练完成的模型权重；S4：加载所述S3中训练完成的模型权重与网络结构，将用户输入的模特服装图输入到训练好的C-TransUNet中以获得服装图像中衣服的mask图；S5：设计SharedAttentionStableDiffusion模型对输入的图像采用扩散算子q进行扩散操作，再通过应用单个反向算子pθ以完成一步扩散操作，通过多次的连续扩散操作实现用户输入面料图的四方连续生成，所述SharedAttentionStableDiffusion模型为：通过一个线性层将特征投影到查询Q∈m×dk、键K∈m×dk和值V∈m×dk中，然后，利用如下公式计算注意力： 式中，dk是Q和K的维度,直观地说，每个图像特征由V加权和更新，其权重取决于投影查询Q和键K之间的相关性，每个自注意力层包含多个注意力头，通过连接多个注意力头的输出并将其投影回图像特征空间dh来计算残差： S6：利用Attention-EnhancedThinPlateSpline算法在保持面料细节的同时实现面料风格迁移，基于服装图像的mask图将用户输入的个性化面料迁移到模特服装图上，实现更真实的面料和阴影效果，所述Attention-EnhancedThinPlateSpline算法为：通过统一模型最小化变换能量来近似图像风格的迁移：ε＝εT+λεdT:xrec,yrec→xrec2,yrec2式中，ε表示预期变换的总能量，xrec,yrec和xrec2,yrec2分别表示源域S和目标域T中的点，εT表示数据惩罚能量，εd表示失真能量,上述具有最低总能量的公式是所需的变换，其中设计超参数λ来平衡数据惩罚和失真之间的能量；S7：根据服装图像的mask图对迁移后的模特服装图模糊边缘利用SA-SD模型进行边缘修复，输出完成面料风格迁移与边缘修复后的服装模特图像。

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青岛三态比特科技有限公司，其通讯地址为：266000 山东省青岛市市北区连云港路76号2号楼2303-A006；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”。