買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京理工大學申請的專利一種圖文融合的新物體AI生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119338947B 。

龍圖騰網通過國家知識產權局官網在2025-05-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411265710.7，技術領域涉及：G06T11/60；該發明授權一種圖文融合的新物體AI生成方法是由李俊;熊澤仁;楊健設計研發完成，并于2024-09-10向國家知識產權局提交的專利申請。

本一種圖文融合的新物體AI生成方法在說明書摘要公布了：本發明公開了一種圖文融合的新物體AI生成方法，旨在結合物體文本與物體圖像生成不同的物體圖像；該方法的輸入是一個原始的物體圖像和一個要融合的物體文本名稱，輸出的是兩個物體平滑融合的新物體圖像，融合生成的物體不僅具有原始的物體圖像的布局或姿態，而且包含文本物體的特征信息。本發明可以立足于現實中存在的物體進行操作，從現實存在的物體出發進行融合，不局限于虛擬或合成的數據，而是可以從真實的物體圖像出發，該方法更加貼近現實世界，使得生成的圖像更具有真實感和實用性。

本發明授權一種圖文融合的新物體AI生成方法在權利要求書中公布了：1.一種圖文融合的新物體AI生成方法，其特征在于，根據原始物體圖像和物體文本，融合生成新物體圖像，該方法包括如下步驟：步驟1、輸入圖像文本編碼器ε·，物體圖像OI，物體文本OT，空文本ON，反演步數T，自注意力注入步長i，采樣噪聲∈t，預訓練的U-Net模型∈θ·，尺度因子α；步驟2、特征提取，利用編碼器ε·提取OI的隱含特征z0＝εOI，空文本ON的文本編碼τN＝εON，以及物體文本OT的文本編碼τ＝εOT；步驟3、通過公式：對進行反演得到其中表示反演得到的最終第t步的噪聲隱含特征，是采樣器定義的第t步方差；步驟4、進行保真度與可編輯性的平衡，以作為噪聲隱含特征的起始點，通過公式 進行去噪，在去噪過程中使用l2范數損失優化∈t+1使得逼近反演過程中的提高保真性，并使用KL散度損失來衡量∈t+1與高斯分布的距離，同時處理保真度和可編輯性，得到最終優化后的序列其中t∈{0,…,T}；是一個預訓練的U網絡結構，其中包含自注意力模塊，是在∈θ·中從派生的問詢、鍵、價值特征向量，d是價值特征向量的維度；步驟5、定義融合去噪過程，以作為噪聲隱含特征的起始，通過公式進行去噪得到融合圖像Oα,i，其中α是縮放交叉注意力層的尺度因子，i是自注意力注入步數；步驟6、∈θzt,t,τ,α,i是一個預訓練的U網絡結構，其中包含注入自注意力層和尺度交叉注意力層；引入自注意力注入步數i，0≤i≤T，注入自注意力層定義為其中 其中是在∈θ·中從zt派生的查詢和鍵特征向量，d是價值向量的維度，是正常去噪過程中的自注意力圖；引入一個尺度因子α∈[0,2]控制融合過程，尺度交叉注意力層定義為其中是問詢特征，是文本編碼τ＝εOT派生的查詢和鍵特征向量，d是價值向量的維度；步驟7、定義相似性距離計算如下：圖像OI與步驟5融合生成圖像Oα,i之間的相似度表示為Isimα,i＝dOI,Oα,i；文本OT與步驟5融合生成圖像Oα,i之間的相似度表示為Tsimα,i＝dOT,Oα,i，其中d·,·為圖像文本的相似性距離函數；步驟8、使用步驟7定義，當α＝1，Isimi＝dOI,Oα＝1,i；自適應調整步驟6注入自注意力的注入步數：初始化i更新方法如下， 其中與是根據觀察設置的軟閾值；更新后得到i＝i*；步驟9、根據步驟8得到的i＝i*，使用步驟7定義，進而簡化為，Isimα＝dOI,Oα,i＝i*和Tsimα＝dOT,Oα,i＝i*，其中d·,·表示文本圖像與圖像之間的相似距離；定義融合得分函數Fα如下： 其中β為權重因子，參數k是為了緩解由于文本和圖像模態差異導致的高Isimα和低Tsimα之間的尺度不一致，從而確保它們的尺度平衡；步驟10、通過步驟9定義的融合得分函數作為目標函數，基于步驟5定義的融合去噪過程使用黃金分割搜索法來確定α的最優值α＝α*；步驟11、通過步驟8、10找到最優的i*與α*，輸入文生圖模型生成融合最優的視覺圖像Oα*,i*。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京理工大學，其通訊地址為：210094 江蘇省南京市孝陵衛200號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。