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！

龙图腾网获悉厦门大学申请的专利一种基于多模态提示学习的无监督图像质量评估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：CN117078656B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202311131117.9，技术领域涉及：G06T7/00；该发明授权一种基于多模态提示学习的无监督图像质量评估方法是由纪荣嵘;高体民;潘文胜;郑侠武;张岩设计研发完成，并于2023-09-04向国家知识产权局提交的专利申请。

本一种基于多模态提示学习的无监督图像质量评估方法在说明书摘要公布了：一种基于多模态提示学习的无监督图像质量评估方法，属于计算机视觉技术领域。无参考图像质量评估旨在没有参考图像原始图像的条件下模拟人类对图像质量的评估。本发明充分发挥预训练的CLIP模型在挑战性图像感知评估任务中的潜力。首先引入多模态的提示学习，使得能够灵活调整CLIP模型在BIQA的表示空间，从而激发在挑战性图像感知评估任务中的潜力。其次改进之前的文本提示学习的方法，以一种细粒度的文本提示学习代替前人的方法中使用的反义词文本提示学习，从而能够抓取图像的细粒度特征，获得更准确的质量评估。

本发明授权一种基于多模态提示学习的无监督图像质量评估方法在权利要求书中公布了：1.一种基于多模态提示学习的无监督图像质量评估方法，其特征在于包括以下步骤： 1根据数据集中每张图片的分数进行分级并赋予级别或类别标签； 2在模型的文本分支，引入可学习的文本提示来解决CLIP模型迁移到下游任务对提示的敏感问题，具体的： 引入一组可学习的文本提示，以充分利用文本编码器的表征能力；另外，在图像分支，引入深度视觉提示，这涉及在图像编码器的每一层添加提示，用于增强图像的感知特征与质量级别文本特征之间的对齐；通过在多个层次引入提示，更精细地控制图像特征的学习过程，从而更好地适应图像质量评估任务； 引入一组可学习的标记P，位于图像的classtoken和图像的块嵌入之间；在图像编码器的每一层，输入被表示为[Clsi-1,Pi-1,Ei-1]，其中，Cls表示classtoken，E表示块嵌入；在经过第i个Transformer层Li之后，继续引入新的可学习的标记P，与输出Cls和E进行连接； [Clsi,○,Ei]＝Li[Clsi-1,Pi-1,Ei-1]#2 其中，○表示不作为下一个Transformer层的输入；这种设计允许在图像编码器的每一层引入可学习的标记，丰富模型捕获和表示重要图像特征和质量特性的能力，最终有助于更有效和准确的图像质量评估； 同时，为了使模型能够在图像质量评估任务中更好地调整其表示空间，更全面地理解图像中与质量相关的信息，在图像分支同样引入可学习的图像提示； 3模型的训练分为两个阶段：在第一个模型训练阶段，只训练文本提示以及图像提示，冻结其他参数，在训练参数极少的情况下，使得迁移的CLIP模型具备对图像质量的感知和评估能力；使用的损失函数为： 其中，i表示第i张图片，T和V分别代表文本编码器和图像编码器的输出特征，sim,表示求两个特征的余弦相似度，B表示一个minibatch，A表示与图片i属于同一类别的小批量中的所有图片的集合； 在第二个模型训练阶段，冻结两个分支的提示，只训练图像编码器，使模型能够从粗糙的感知逐步适应到细节评估，从而实现对图像质量的全面理解和准确预测；这一阶段使用的损失函数为： 引入保真度损失来考虑成对学习对模型估计进行排序；此外，利用平滑L1损失Lsmo和带有标签平滑的交叉熵损失来进行优化；其中，α和β是平衡和的系数； 其中，p和p'分别表示真实概率分布以及预测概率分布； 其中，I'k＝1-εIk+εC表示质量级别目标分布中的值，Pk表示类别k的预测logits。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。