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！

龙图腾网获悉安徽大学申请的专利基于认知-扩散模型的低分辨率视频超分提升方法和系统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：CN120655505B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510446903.0，技术领域涉及：G06T3/4053；该发明授权基于认知-扩散模型的低分辨率视频超分提升方法和系统是由刘德银;丁义胜;范芳菲;滕诺然;童家伟;王婷婷;金哲设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本基于认知-扩散模型的低分辨率视频超分提升方法和系统在说明书摘要公布了：本发明公开了一种基于认知‑扩散模型的低分辨率视频超分提升方法和系统。经过特定的数据预处理、认知编码器训练、参考视频生成、编码与注意力图注册以及潜在表示译码等一系列方法步骤协同工作，实现从低分辨率视频到超分辨率视频的转化，解决了低分辨率视频画质提升困难问题和现有视频处理过程中闪烁伪影问题。

本发明授权基于认知-扩散模型的低分辨率视频超分提升方法和系统在权利要求书中公布了：1.一种基于认知‑扩散模型的低分辨率视频超分提升方法，其特征在于，包括以下步骤： S1.获取低分辨率视频； S2.数据预处理，所述数据预处理包括：S201.视频分割：将输入的低分辨率视频进行分割，其中对于帧率较高且动态变化丰富的视频，增加采样点；对于帧率较低且相对静态的视频，减少采样点；S202.训练数据准备；S203.训练认知编码器； S3.参考视频生成：将所述认知编码器生成的认知嵌入作为输入，送入LDM中，而无需引入其他参数，引导扩散过程生成语义一致的参考视频，为后续注意力图注册提供全局语义指导； S4.参考视频编码与注意力图注册：包括S401.参考视频编码，用VAE‑Encoder对参考视频进行编码，把参考视频映射到潜空间，得到潜表示；以及S402、注意力图注册，分析编码后的参考视频潜表示，提取注意力信息，利用U‑Net编码器生成多尺度控制特征，把参考视频的注意力信息和输入视频关联起来； S5.优化译码与训练提升视频质量； 其中，所述S3.参考视频生成具体步骤如下： S301.潜在空间表示：把生成的认知嵌入输入到LDM中，LDM会通过编码器把认知嵌入映射到低维潜在空间，提取关键特征；设输入认知嵌入为z0，经编码器得到潜在表示z；作为DDPM变体，其旨在最小化以下目标函数预测人工噪声： 其中∈是噪声，zt是t时刻潜在表示，θ为去噪网络的可学习参数，θ包括卷积层权重、时间步嵌入参数、条件信息融合模块的参数、以及注意力机制的权重矩阵，表示条件信息； S302.扩散过程：LDM的扩散过程是从初始噪声分布逐渐向与认知嵌入相关的分布转变； S303.T2S模型构建与优化：构建T2S模型用于近似反转操作，该模型基于LDM架构，继承其图像生成能力；通过结构调整扩展LDM到视频生成领域，模型采用1×3×3模式的卷积核和时间注意力机制，把自注意力换成帧间注意力；帧间注意力根据视频首帧和当前帧，通过特定投影矩阵更新当前帧特征； S304.模型初始化：对帧间注意力和交叉注意力的WQ可学习投影矩阵，及额外时间注意力进行微调，基于输入视频的噪声预测进行； S305.基于共享无条件嵌入的视频反转：使用微调后的T2S模型进行视频反转，通过优化共享无条件嵌入实现，是一个全局共享的可学习参数，用于统一控制多帧生成的语义一致性，避免独立优化每帧带来的参数冗余。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。