← 返回列表
一种基于扩散模型的建筑纹理图像修复方法
摘要文本
本发明公开了一种基于扩散模型的建筑纹理图像修复方法,包括以原始建筑纹理图像作为扩散模型在前向过程的输入数据,得到标准高斯噪声数据;以添加高斯噪声的建筑纹理图像和标准高斯噪声数据作为扩散模型在逆向过程的输入数据,在扩散模型的逆向过程中添加编码神经网络和预测神经网络,进行扩散模型训练;以待修复的建筑纹理图像和标准高斯噪声数据作为扩散模型在添加编码神经网络和预测神经网络的逆向过程的输入数据,得到修复后的建筑纹理图像。本发明可以对纹理色彩做精细化处理,使纹理更接近建筑模型的真实效果。
申请人信息
- 申请人:北京飞渡科技股份有限公司
- 申请人地址:102600 北京市大兴区盛坊路5号院6号楼8层801-1
- 发明人: 北京飞渡科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于扩散模型的建筑纹理图像修复方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410205207.6 |
| 申请日 | 2024/2/26 |
| 公告号 | CN117788344A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06T5/77 |
| 权利人 | 北京飞渡科技股份有限公司 |
| 发明人 | 朱旭平; 宋彬; 何文武; 张宇; 王聪玉 |
| 地址 | 北京市大兴区盛坊路5号院6号楼8层801-1 |
专利主权项内容
1.一种基于扩散模型的建筑纹理图像修复方法,其特征在于,包括以下步骤:S1、以原始建筑纹理图像作为扩散模型在前向过程的输入数据,得到标准高斯噪声数据;S2、以添加高斯噪声的建筑纹理图像和标准高斯噪声数据作为扩散模型在逆向过程的输入数据,在扩散模型的逆向过程中添加编码神经网络和预测神经网络,利用编码神经网络对添加高斯噪声的建筑纹理图像进行编码,并利用预测神经网络根据编码图像和数据分布预测新的高斯噪声数据和数据分布,进行扩散模型训练;S3、以待修复的建筑纹理图像和标准高斯噪声数据作为扩散模型在添加编码神经网络和预测神经网络的逆向过程的输入数据,得到修复后的建筑纹理图像。