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！

龙图腾网获悉杭州像素互动科技有限公司申请的专利一种基于扩散模型的虚拟换发型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：CN119130783B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411308060.X，技术领域涉及：G06T3/04；该发明授权一种基于扩散模型的虚拟换发型方法是由唐杰;闫浩男;周润楠;杨超杰;张涛设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本一种基于扩散模型的虚拟换发型方法在说明书摘要公布了：本发明公开了一种基于扩散模型的虚拟换发型方法，涉及虚拟换发技术领域，本发明采用两阶段的生成方法，第一阶段生成较粗糙的发型图片，第二阶段通过重绘机制将其精细化，使生成的发型图片具有更高的细节保真度，第二阶段采用发型重绘扩散模型，使得发型在复杂的纹理和细节上能够更好地呈现，避免出现传统方法中生成发型图片容易出现模糊或细节丢失，针对传统基于GAN的方法往往难以处理复杂纹理的发型，容易产生伪影或忽略细节问题，基于扩散模型的方案，结合交叉注意力机制，更好地捕捉发型细节，通过在生成过程中注入发型参考信息，保证发型细节的传递，可以处理更加复杂的发型样式，并且保持较高的稳定性。

本发明授权一种基于扩散模型的虚拟换发型方法在权利要求书中公布了：1.一种基于扩散模型的虚拟换发型方法，其特征在于，使用基于扩散模型的虚拟换发型系统进行虚拟换发型，该系统包括： 一阶段图像处理模块，处理输入的源图片和发型参考图片，执行人脸检测、对齐和图像裁剪操作； 秃顶生成器，用于生成源图片中人物秃顶图片，即没有头发的图片； 发型参考网络，从发型参考图片中提取发型细节，通过隐空间编码和交叉注意力机制提取发型信息，并将发型信息细节注入到发型生成扩散模型中； 发型生成扩散模型，基于秃顶生成器生成的秃顶图片和发型参考网络提供的发型细节，生成粗糙换发型图片； 二阶段图像处理模块，对粗糙换发型图片进行处理，包括人脸检测、对齐和裁剪操作，此外还生成发型二值掩码； 发型重绘扩散模型，将第一阶段生成的粗糙换发型图片进行精细化重绘，结合发型LoRA训练的发型特征，重新绘制发型区域； 基于扩散模型的虚拟换发型方法包括以下步骤， 步骤S1，在训练时选取同一人不同发型的图片； 步骤S2，从同一人不同发型图片中，随机选取一张图片作为源图片，一张图片作为发型参考图片，然后经过图像处理模块处理成所需格式； 步骤S3，将源图片Isrc输入到秃顶生成器中，得到秃顶图片Ibald； 步骤S4，将发型参考图片Iref输入到发型参考网络中，提取发型相关细节； 步骤S5，将秃顶图片Ibald输入到发型生成扩散模型中，提取的发型细节通过交叉注意力机制输入到发型生成扩散模型中，最终得到粗糙换发型图片； 步骤S6，为每款发型准备不同角度图片作为发型LoRA发型训练集，将发型训练集中的图片输入到图像处理模块，得到发型图片和发型描述词； 步骤S7，将步骤S6得到的发型图片和发型描述词输入到扩散模型中，进行针对性发型的LoRA训练； 步骤S8，经过VAE解码器生成精细换发型图片； 步骤S1-步骤S5为一阶段发型生成步骤，步骤S6-步骤S8为二阶段发型生成步骤； 二阶段的发型生成训练过程中： 针对每一款发型训练了一个LoRA小模型：W＝W0+ΔW＝W0+BA，其中，W表示微调后的权重矩阵，ΔW表示权重更新量，预训练权重为W0∈Rd×k，另外的低秩矩阵B∈Rd×r,A∈Rr×k，并且秩r＜＜mind,k，d,k分别表示特征维度和输出维度； 二阶段的图像处理模块中： 使用大模型对输入的发型进行打标，即得到对发型的描述词； 采用开源的图像分割模型SAM对头发进行分割，得到发型图片Ih； 二阶段的LoRA训练过程中，扩散模型∈θ采用预训练的SDv1.5作为预训练权重： 将二阶段图像处理模块得到的发型描述词输入到预训练的CLIP文本编码器中，得到文本编码ct，通过文本交叉注意力机制输入到扩散模型中； 将二阶段图像处理模块得到的发型图片输入到VAE编码器中，得到隐空间编码zh＝εIh，加上随机生成隐空间高斯噪声输入到扩散模型中，将发型LoRA的权重应用到扩散模型上； 扩散模型的最后特征层输出，经过VAE解码器，得到RGB空间的发型图片； 在训练过程中，通过最小化损失函数，使用Adam优化器进行优化迭代，扩散模型的权重固定，只训练发型LoRA，训练发型LoRA的损失函数为： 其中，为损失函数，表示期望值，∈θ+Δθ表示发型LoRA集成的扩散模型，经过权重调整θ+Δθ后对噪声进行估计，Δθ表示LoRA模型训练中微调的权重增量，zt表示隐空间的发型图片编码结果，ct表示文本描述词的编码结果，∈表示高斯噪声，t表示时间步长； 二阶段的图像处理模块中： 在推理阶段，图像处理模块首先对输入粗糙换发型图片进行人脸检测、人脸对齐，裁剪调整到所需尺寸； 再使用开源图像分割方法SAM将发型从源图片、粗糙换发型图片中分割出来，叠加得到发型二值掩码I'm，再将发型二值掩码进行扩张，得到扩张之后的发型二值掩码Im； 将发型二值掩码Im与粗糙换发型图片叠加得到遮挡发型的图片Ibg； 获取LoRA训练过程中达标得到的针对此次发型的描述词； 二阶段的发型重绘扩散模型中： 将发型描述词输入到CLIP文本编码器中，得到文本编码ct； 将遮挡发型的模特图片Ibg输入到VAE编码器ε中，得到4通道的重绘背景隐编码zbg＝εIbg，生成隐空间随机高斯噪声将4通道的重绘背景隐编码zbg、4通道的隐空间噪声∈和二阶段的图像处理模块得到的1通道的发型二值掩码图Im，沿通道拼接，得到9通道的输入； 将9通道输入的输入到发型LoRA集成的发型重绘扩散模型中，经过循环去噪，发型重绘扩散模型输出的特征层，最后经过VAE解码器，得到精细换发型图片。

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像素互动科技有限公司，其通讯地址为：310000 浙江省杭州市临平区乔司街道科城街180号1幢2层213-251室；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”。