【技术实现步骤摘要】
本专利技术属于图像生成领域，涉及一种具有周期性的清晰图像生成方法。
技术介绍
1、在印染行业中，纹样的设计要求高度的周期性和高清晰度，以确保在大面积织物上的无缝拼接效果。然而，现有的纹样设计通常依赖于人工手绘或数字绘图工具，这耗费了大量时间和人力资源，还难以根据用户的需求对图像内容做灵活多样的修改。
2、近年来，生成式模型，特别是基于文本到图案的扩散模型(如midjourney和stablediffusion)的图像生成技术取得了显著进展，图像生成模型也因其多样化的生成内容和高效的生成过程得到广泛应用。
3、但现有的图像生成方法无法直接通过文本约束生成周期性图案。同时受限于计算资源，模型也无法直接生成高分辨率的纹样，需要依靠现有的超分辨率技术来提高生成图案的清晰度，而这种方法在印染应用中会放大生成过程中的伪影和失真，导致质量下降。
4、为此，迫切需要一种既能生成严格周期性又能自动优化图像分辨率的生成框架，以提升生成质量并降低印染设计的时间成本。
技术实现思路
...【技术保护点】
1.一种具有周期性的清晰图像生成方法：
2.根据权利要求1所述的方法，其特征在于，所述修改的方法为：剪裁自注意力过程中K和V向量的对应维度，只保留中心区域来平滑边缘区域的拼接。
3.根据权利要求1所述的方法，其特征在于，在所述采样过程中，通过替换函数生成各时间步的外扩特征向量，与原始特征向量进行拼接。
4.根据权利要求1所述的方法，其特征在于，利用预训练的扩散模型上采样技术将初始图案放大至目标分辨率，并分割为带有重叠区域的子图，所述子图分辨率在扩散模型处理能力范围内。
5.根据权利要求4所述方法，其特征在于，对分割后子图...
【技术特征摘要】
1.一种具有周期性的清晰图像生成方法：
2.根据权利要求1所述的方法，其特征在于，所述修改的方法为：剪裁自注意力过程中k和v向量的对应维度，只保留中心区域来平滑边缘区域的拼接。
3.根据权利要求1所述的方法，其特征在于，在所述采样过程中，通过替换函数生成各时间步的外扩特征向量，与原始特征向量进行拼接。
4.根据权利要求1所述的方法，其特征在于，利用预训练的扩散模型上采样技术将初始图案放大至目标分辨率，并分割为带有重叠区域的子图，所述子图分辨率在扩散模型处理能力范围内。
5.根据权利要求4所述方法，其特征在于，对分...
【专利技术属性】
技术研发人员：杨帅，兰晰程，高文硕，张璐瑶，刘家瑛，
申请(专利权)人：北京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。