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！

龙图腾网获悉山东商务职业学院;腾讯烟台新工科研究院申请的专利一种基于深度学习的剪纸设计图纹路改造生成方法及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：CN120912707B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511438196.7，技术领域涉及：G06T11/10；该发明授权一种基于深度学习的剪纸设计图纹路改造生成方法及系统是由高晓燕;王鹏鹏;孙玉林;曾庆尚;徐永龙;李海涛;段瑛琛;李毅;李高健;胡丛;高春晓设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于深度学习的剪纸设计图纹路改造生成方法及系统在说明书摘要公布了：本发明涉及剪纸设计技术领域，公开了一种基于深度学习的剪纸设计图纹路改造生成方法及系统，对原始剪纸设计图进行scribble预处理绘制涂鸦图，并收集剪纸花纹、几何特征和纹理特征构建先验知识库；将预处理特征、先验知识嵌入和潜在特征表示输入到ControlNet‑GAN模型中；GAN网络的生成器通过Transformer层解析得到条件张量，集成Control‑UNet层到生成器的卷积模块和注意力模块，生成改造后的剪纸纹路设计图；通过判别器提取改造后的剪纸纹路设计图中纹路特征，与先验知识库对比，惩罚不符合剪纸规则的生成结果；本发明通过优化ControlNet算法，集成剪纸纹路先验知识，使生成的图像符合剪纸纹路规则，提升剪纸设计图的生成效率与质量，满足传统剪纸工艺的数字化创作需求。

本发明授权一种基于深度学习的剪纸设计图纹路改造生成方法及系统在权利要求书中公布了：1.一种基于深度学习的剪纸设计图纹路改造生成方法，其特征在于，该方法包括以下步骤： 对原始剪纸设计图进行scribble预处理绘制涂鸦图，并收集剪纸花纹、几何特征和纹理特征构建先验知识库； 将预处理特征、先验知识嵌入和潜在特征表示输入到ControlNet-GAN模型中； GAN网络的生成器通过Transformer层解析得到条件张量，集成Control-UNet层到生成器的卷积模块和注意力模块，生成改造后的剪纸纹路设计图； 通过判别器提取改造后的剪纸纹路设计图中纹路特征，与先验知识库对比，惩罚不符合剪纸规则的生成结果； 所述将预处理特征、先验知识嵌入和潜在特征表示输入到ControlNet-GAN模型中，包括： 将涂鸦图转换为语义掩码，不同颜色区域对应不同改造指令，对语义掩码进行特征提取，并转换为高维特征向量，得到预处理特征； 先将先验知识库中的纹样模板转换为可学习的嵌入向量，再将几何特征和纹理特征编码为嵌入向量，与预处理特征融合，得到先验知识嵌入，其中每个纹样对应一个独特的向量表示； 原始剪纸设计图经VAE的Encoder组件编码后得到的低维向量，为潜在特征表示； 所述ControlNet-GAN模型中生成器集成ControlNet结构，ControlNet结构中包括UNet主干、可训练副本分支和零初始化卷积层，其中UNet主干使用预训练的T2I模型得到，可训练副本分支包含Transformer层和Control-UNet层； 所述GAN网络的生成器通过Transformer层解析得到条件张量，集成Control-UNet层到生成器的卷积模块和注意力模块，生成改造后的剪纸纹路设计图，包括： 通过UNet主干提取原始剪纸设计图的基础特征； Transformer层接收预处理特征、先验知识嵌入和潜在向量表示，通过自注意力机制解析关系，生成条件张量，捕捉涂鸦区域与目标纹样、几何规则之间的关联； Control-UNet层对条件张量进行多尺度处理，在不同分辨率下生成控制特征； 将Control-UNet层生成的控制特征通过零初始化卷积层处理，将控制特征与基础特征相加； 在需要特定纹样的区域通过注意力权重增强对应纹样模板的影响，强制对称区域的特征生成保持对称性，经过色彩调整和后处理，输出改造后的剪纸纹路设计图。

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山东商务职业学院;腾讯烟台新工科研究院，其通讯地址为：264000 山东省烟台市高新区海兴路15号(济南市历城区闵子骞路24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。