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！

龙图腾网获悉西北工业大学申请的专利基于物理规律和骨骼引导的细粒度人体动作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：CN120088442B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510575275.6，技术领域涉及：G06T19/20；该发明授权基于物理规律和骨骼引导的细粒度人体动作生成方法是由邵典;时铭飞;白俊强;徐晟达;陈浩东;黄永乐;刘黎可设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本基于物理规律和骨骼引导的细粒度人体动作生成方法在说明书摘要公布了：本发明提出一种基于物理规律和骨骼引导的细粒度人体动作生成方法，首先以在线方式获取相关动作视频，并从视频中提取二维姿态，作为人体物理结构的先验信息；并通过上下文学习方法实现2D姿态到3D姿态的转变以增强空间感知，得到数据驱动的三维骨架序列；进一步设计了一个物理模块PhysNet，使用欧拉‑拉格朗日公式重估计人体动作，时序双向地计算关节加速度，从而产生物理预测的三维姿态；之后，将物理估计的三维姿态与数据驱动的三维骨架序列相融合，并转化成2D热图格式参与3D‑UNets实现视频生成。将本发明在3种细粒度动作数据子集上进行测试，FinePhys远超其他视频生成方法，且大量定性分析进一步证明FinePhys能够生成更自然且合理的细粒度人体动作。

本发明授权基于物理规律和骨骼引导的细粒度人体动作生成方法在权利要求书中公布了：1.一种基于物理规律和骨骼引导的细粒度人体动作生成方法，其特征在于：包括以下步骤： 步骤1：获取一段希望输出的细粒度人类动作视频的文本描述；根据文本描述，获得一段与文本描述相近的人类动作视频，从所述人类动作视频中抽取得到长度为的采样帧序列，利用动作检测器对所述采样帧序列进行二维姿势估计产生二维骨架序列； 步骤2：通过上下文学习对步骤1得到的二维骨架序列进行维度提升，得到数据驱动的三维骨架序列；所述上下文学习过程中的参数为需要训练参数； 步骤3：基于物理预测对步骤2得到的数据驱动的三维骨架序列进行优化，得到物理预测三维骨架序列，具体过程为： 步骤3.1：对于数据驱动的三维骨架序列，通过编码器分别获取三维骨架序列中的整体序列、前三帧序列和后三帧序列的时间状态序列，并将整体序列的时间状态序列与前三帧序列的时间状态序列融合，得到前向融合序列；将整体序列的时间状态序列与后三帧序列的时间状态序列融合，得到逆向融合序列； 步骤3.2：基于欧拉-拉格朗日方程，对前向融合序列进行前向更新，对逆向融合序列进行逆向更新，其中前向融合序列的前三帧只进行前向更新，逆向融合序列的后三帧只进行逆向更新，其余各帧取前向更新结果和逆向更新结果的均值； 步骤3.3：数据驱动的三维骨架序列中的各帧经过步骤3.2更新后，通过姿态解码，得到物理预测三维骨架序列； 步骤4：将步骤2得到的数据驱动的三维骨架序列与步骤3得到的物理预测三维骨架序列进行融合，将融合结果映射投影回二维，并编码及微调为用于指导3D-UNet去噪过程的多尺度二维骨骼热图序列；其中融合过程、映射投影过程以及微调过程的参数为需要训练参数； 步骤5：将文本描述通过预训练好的大语言模型进行规范化处理，得到文本序列，再对文本序列进行文本编码，得到文本编码向量，为预训练好的文本编码模型；将从所述人类动作视频中抽取的长度为的采样帧序列进行特征提取，得到特征向量，再对特征向量进行加噪处理，得到加噪后的特征向量，其中表示加噪步数；将加噪后的特征向量、文本编码向量以及加噪步数共同输入结合了步骤4输出的多尺度二维骨骼热图序列的3D-UNet模型；对3D-UNet模型的输出进行解码得到细粒度人体动作视频；3D-UNet模型中参数为需要训练参数。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。