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！

龙图腾网获悉贵州大学申请的专利一种层级上下文迭代与密集融合的精炼虚拟试衣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：CN121482212B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202610008097.3，技术领域涉及：G06T11/60；该发明授权一种层级上下文迭代与密集融合的精炼虚拟试衣系统是由徐杨;刘玥琪;姜娇;林世恒;罗德艳;程之荣;樊佳琦设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种层级上下文迭代与密集融合的精炼虚拟试衣系统在说明书摘要公布了：本发明公开了一种层级上下文迭代与密集融合的精炼虚拟试衣系统，涉及计算机视觉领域，包括层级上下文迭代精炼翘曲模块和密集融合生成模块；所述层级上下文迭代精炼翘曲模块用于对目标服装进行翘曲得到翘曲服装，包括特征金字塔网络、层级上下文流估计模块、迭代注意力精炼模块；所述密集融合生成模块用于将翘曲服装匹配到人物图像中进行虚拟试衣，所述密集融合生成模块基于Res‑UNet网络，在残差块中引入DenseNet风格连接与SE注意力机制。本发明采用层级上下文迭代与密集融合的精炼虚拟试衣系统解决复杂纹理以及大幅变形区域的外观流预测偏差，能较好减少纹理扭曲与伪影，更好的融合潜在特征和捕捉局部细节，以生成质量更高的试穿结果。

本发明授权一种层级上下文迭代与密集融合的精炼虚拟试衣系统在权利要求书中公布了：1.一种层级上下文迭代与密集融合的精炼虚拟试衣系统，其特征在于，所述精炼虚拟试衣系统将服装图片、服装掩码、服装解析图、人物图片、人物密集姿态、人物关键点和人物解析图作为输入，采用自监督的训练方式，包括层级上下文迭代精炼翘曲模块和密集融合生成模块，具体流程如下： 通过层级上下文迭代精炼翘曲模块将店内服装按照人物图片的姿势进行翘曲； 翘曲的过程是先提取特征，然后估计光流信息，按照估计的光流信息对服装图片进行分部分翘曲，各部分翘曲件在迭代注意力精炼模块输出的全局服装解析的指导下完成拼合，形成一件完整的翘曲服装； 通过密集融合生成模块将翘曲服装穿在人物图片上，输出试好衣服的图片； 所述层级上下文迭代精炼翘曲模块用于根据人物图像对目标服装进行翘曲得到全局服装解析图； 所述密集融合生成模块用于将全局服装解析图匹配到人物图像中进行虚拟试衣得到衣服匹配图片； 所述层级上下文迭代精炼翘曲模块包括： 特征金字塔网络：所述特征金字塔网络用于提取多级特征，设置有两个，分别为用于提取人物图像的多尺度人物特征的人物特征金字塔网络和用于提取目标服装的多尺度服装特征的服装特征金字塔网络； 所述人物特征金字塔网络以人体姿态、人体密集姿态、保留区域掩码作为输入，输出为多尺度人物特征； 所述服装特征金字塔网络以服装和对应的服装解析图作为输入，输出为多尺度服装特征； 所述多尺度人物特征和多尺度服装特征构成多级特征； 层级上下文流估计模块：所述层级上下文流估计模块用于通过多级特征提取光流信息即初步光流场，再利用上下文信息优化光流信息，进而进行特征整合得到细化过后的光流信息即细化光流场； 迭代注意力精炼模块：所述迭代注意力精炼模块用于对细化过后的光流信息进行服装特征翘曲后进行特征融合，再与人物特征进行拼接得到的全局融合特征进而多次迭代生成并细化注意力图，逐步增强重要区域的特征表示，抑制无关区域的干扰得到全局服装解析图； 所述密集融合生成模块基于Res-UNet网络，在残差块中引入DenseNet风格连接与SE注意力机制； 通过DenseNet风格连接，每一层的特征能够直接传递到最终输出中； 在Res-UNet的最内层，设置有混合特征融合层，所述混合特征融合层通过多种卷积核尺寸的组合，捕获输入特征的多尺度空间上下文信息； 所述混合特征融合层通过不同大小的卷积核分别对输入特征进行操作，然后将得到的特征进行逐点相加融合，最后通过非线性激活函数处理得到最终输出。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区甲秀南路515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。