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！

龙图腾网获悉重庆师范大学申请的专利文本生成图像方法、装置和计算机设备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：CN114937191B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210620986.7，技术领域涉及：G06V10/80；该发明授权文本生成图像方法、装置和计算机设备是由杨有;吴春燕;潘龙越;向若愚设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本文本生成图像方法、装置和计算机设备在说明书摘要公布了：本申请涉及文字处理技术领域，特别涉及一种文本生成图像方法、装置和计算机设备。首先将多个所述初始图像特征与多个所述单词特征输入动态记忆注意模型中，以增强初始图像特征的视觉特征，再将初始图像特征得到的第一图像特征输入通道注意残差模型中，并将输出的第一细化图像特征与上一阶段生成的初始图像特征进行融合。使用二次记忆方法增强初始图像特征在空间维度的视觉特征表征能力，进一步增强单词级与特征图之间的语义一致性，同时使用通道注意残差块中的通道注意力来增强特征图在通道维度的通道特征表征能力，以便更好地指导图片生成，使得本申请不仅可以生成高质量图像，而且还可以生成更好的语义一致性图像。

本发明授权文本生成图像方法、装置和计算机设备在权利要求书中公布了：1.一种文本生成图像方法，其特征在于，包括： S1、获取多个文本描述语句，并将多个所述文本描述语句输入文本编码器中进行编码，得到多个句子特征与多个单词特征； S2、获取多个随机采样噪声，并将多个所述随机采样噪声与多个所述句子特征输入初始生成器中以进行融合，得到多个初始图像特征和多个初始图像； S3、将多个所述初始图像特征与多个所述单词特征输入动态记忆注意模型中并输出多个第一图像特征，在此步骤中，所述动态记忆注意模型用于增强多个所述初始图像特征的视觉特征，步骤S3具体包括以下子步骤： S3.1、根据多个所述初始图像特征与多个所述单词特征，计算多个权重矩阵； S3.2、将多个所述权重矩阵作为多个动态记忆存入动态记忆槽中； S3.3、将动态记忆槽中的多个动态记忆放入二次记忆特征增强单元中，以对多个所述动态记忆中的图像特征进行细化，得到多个记忆图像特征，步骤S3.3具体包括以下子步骤： S3.3.1、将所述动态记忆与所述初始图像特征作为二次记忆特征增强单元的输入，并进行首次记忆特征增强，得到第一记忆图像特征，步骤S3.3.1具体包括以下子步骤： S3.3.1.1、对所述动态记忆进行卷积处理，得到键向量和值向量； S3.3.1.2、根据所述键向量和所述值向量对所述初始图像特征的维度进行变化，以使初始图像特征的维度与所述键向量、所述值向量的维度相同； S3.3.1.3、对所述初始图像特征与所述键向量进行点积处理，得到空间权重矩阵； S3.3.1.4、根据所述空间权重矩阵，计算与所述值向量之间的加权和，得到第一记忆图像特征； S3.3.2、对所述第一记忆图像特征进行二次记忆增强，得到记忆图像特征； S3.4、将多个记忆图像特征输入记忆响应门控中，以增强多个所述记忆图像特征中的不显著区域，得到多个第一图像特征； S4、将多个所述第一图像特征输入通道注意残差块模型中，并输出多个第一细化图像特征，对多个第一细化图像特征进行卷积，得到多个第一细化图像，其中，所述通道注意残差块模型用于增强所述第一图像特征的通道特征； S5、将多个第一细化图像特征作为初始图像特征，并与多个所述单词特征输入动态记忆注意模型中，输出多个第二细化图像特征，在此步骤中，所述动态记忆注意模型用于增强多个所述第一细化图像特征的视觉特征； S6、将多个所述第二细化图像特征输入通道注意残差块模型中，并输出多个第三细化图像特征，对多个所述第三细化图像特征进行卷积，得到多个第三细化图像，其中，所述通道注意残差块模型用于增强所述第二细化图像特征的通道特征。

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重庆师范大学，其通讯地址为：400000 重庆市沙坪坝区大学城中路37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”。