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！

龙图腾网获悉同济大学申请的专利一种基于大模型的矢量化汉字图形生成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：CN121010668B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511536703.0，技术领域涉及：G06T11/26；该发明授权一种基于大模型的矢量化汉字图形生成方法是由叶晨;张馨月;马嘉玮;李昊龙设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于大模型的矢量化汉字图形生成方法在说明书摘要公布了：本发明属于计算机视觉与矢量化图像生成领域，特别涉及一种基于大模型的矢量化汉字图形生成方法。包括以下步骤：步骤一：数据预处理；步骤二：笔画特征提取；步骤三：特征向量离散化编码；步骤四：笔顺序列组合；步骤五：特征编码预测；步骤六：编码还原特征；步骤七：笔画还原。本方法结合了汉字笔顺信息，在能够补全汉字笔画生成完整矢量化图像的基础上，还能够通过继续预测下一个字笔画的方式，生成连续的富有语义的汉字矢量化文本内容，能够在字体库不完整的情况下补全缺失字形、实现创意矢量化汉字文本生成，为艺术字形生成、汉字字体辅助设计、广告文本设计等领域做出贡献，减轻人工成本，实现高效生成。

本发明授权一种基于大模型的矢量化汉字图形生成方法在权利要求书中公布了：1.一种基于大模型的矢量化汉字图形生成方法，其特征在于，包括以下步骤： 步骤一：数据预处理； 用于模型训练的矢量化汉字，首先依据其字形结构和书写规范，拆解为多个独立的笔画轮廓，保证笔画之间书写先后顺序，将笔画控制点统一转换为三次贝塞尔曲线格式，再对坐标进行归一化处理； 步骤二：笔画特征提取； 将输入的初始笔画数据进行结构重组后，输入到一个多层卷积神经网络CNN中进行特征提取，将多层卷积神经网络特征提取到的8×dim的特征图沿空间维度进行分拆，得到8个独立的1×dim特征向量，其中dim表示预设的特征维度； 步骤三：特征向量离散化编码； 将每个1×dim的连续特征向量映射为离散编码，以实现空间转换并降低建模复杂度； 步骤四：笔顺序列组合； 对矢量化文本内容进行处理，将每个文字拆解为独立笔画，并严格依照其笔顺先后顺序进行排列，形成全局的笔画序列；每一笔画均经由笔画特征提取与离散化编码处理，转换为离散编码，将上述所有笔画的离散编码，按其所在文字的笔顺顺序依次拼接，构建出一个完整的离散编码序列； 步骤五：特征编码预测； 对步骤四已按笔顺排列的离散编码序列进行规范化处理；将处理后的序列输入至基于Transformer架构的大语言模型进行建模与预测； 步骤六：编码还原特征； 将步骤五特征编码预测生成完整的离散编码序列还原为连续空间中的笔画特征表示，以用于后续的矢量化图形重建或输出； 步骤七：笔画还原； 通过深度神经网络将步骤六得到的8×dim的特征矩阵逆向还原为可矢量图形软件解析的单个笔画。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。