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！

龙图腾网恭喜杭州电子科技大学申请的专利基于多属性驱动的时尚图像个性化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：CN119251348B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411788310.4，技术领域涉及：G06T11/00；该发明授权基于多属性驱动的时尚图像个性化生成方法是由顾晓玲;耿世杰设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于多属性驱动的时尚图像个性化生成方法在说明书摘要公布了：本发明公开了基于多属性驱动的时尚图像个性化生成方法，该方法首先使用服装时尚图像数据作为初始图像数据集，并根据初始图像数据集中每张图片的属性进行分类，基于个性化需求对图像进行预处理，得到相似度最高的图像作为真值。其次针对每张图片的不同属性构建特征提取模块，提取时尚元素的属性特征。最后根据属性特征结合真值，在扩散过程中依次通过颜色模块、样式模块、服装结构模块引导扩散模型的生成，输出时尚图像个性化生成结果图。本发明能够有效缓解生成图像过程中可能出现的属性混淆、图像细节缺失等问题，大幅提升图像生成的精度和一致性。

本发明授权基于多属性驱动的时尚图像个性化生成方法在权利要求书中公布了：1.基于多属性驱动的时尚图像个性化生成方法，其特征在于，包括以下步骤：步骤1、使用服装时尚图像数据作为初始图像数据集，并根据初始图像数据集中每张图片的属性进行分类，基于个性化需求对图像进行预处理，得到相似度最高的图像作为真值；具体过程如下：1.1、根据每张图片的属性进行分类，所述属性包括颜色分类、图案分类、和服装部位结构分类；1.2、从每个不同的属性类别中随机挑选出一个属性形成组合，得到个性化需求，所有个性化需求形成个性化需求集合；1.3、通过图像相似度，获得中每张图像和个性化需求相似度最高的图像作为真值进行训练；具体实现过程如下：1.3.1、对于每张候选图像Ii，通过CLIP的图像编码器CLIPimg生成其对应的特征向量表示：fCLIP-imgIi＝CLIPimgIi1其中，fCLIP-imgIi是图像Ii在CLIP模型中生成的嵌入向量；1.3.2、所述个性化需求是一种文本描述，每个属性通过自然语言表达；利用CLIP模型中的文本编码器将所述属性组合转化为特征向量；将其输入到CLIP的文本编码器，得到对应的文本嵌入：fCLIP-textTattributes＝CLIPtextTattributes2其中，fCLIP-textTattributes是该属性组合生成的文本特征向量，Tattributes是个性化需求，CLIPtext代表文本信息输入到CLIP模型中；1.3.3、计算图像与个性化属性组合之间的相似度： 其中，SIi,Tattributes表示图像Ii与属性组合Tattributes之间的相似度；1.3.4、对于所有图像，计算每张图像与个性化需求的相似度之后，选择相似度最高的图像作为真值；步骤2、针对每张图片的不同属性构建特征提取模块，提取时尚元素的属性特征；所述步骤2具体实现过程为；所述特征提取模块包含三个结构相同的并行分支，分别提取颜色特征、图案特征和服装部位结构特征，每个并行分支的具体实现过程如下：输入图像经过初步分类器提取颜色、图案和服装部位结构对应的初级属性特征：fcoarse＝Classifierximg4其中，fcoarse表示通过初级分类器提取的初级属性特征，ximg为输入的图像；输入的图像通过CLIP模型的编码器，提取语义相关的特征嵌入：fCLIP-img＝CLIPimgximg5其中，fCLIP-img为图像的嵌入向量；然后fCLIP-img输入到多层感知机中，输出一个伪文本嵌入：fpseudo-word＝MLPfCLIP-img6将初级属性特征与伪文本嵌入进行逐元素相加，得到属性特征f：f＝fcoarse+fpseudo-word7三个并行分支分别得到对应的属性特征f1、f2和f3，分别对应颜色、样式和服装结构；步骤3、根据属性特征结合真值，在扩散过程中依次通过颜色模块、样式模块、服装结构模块引导扩散模型的生成，输出时尚图像个性化生成结果图。

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电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。