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！

龙图腾网恭喜复旦大学申请的专利基于生成对抗网络的跨视角图像翻译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：CN114092587B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202111292146.4，技术领域涉及：G06T11/00；该发明授权基于生成对抗网络的跨视角图像翻译方法是由范佳媛;陈涛;吴克设计研发完成，并于2021-11-03向国家知识产权局提交的专利申请。

本基于生成对抗网络的跨视角图像翻译方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的跨视角图像翻译方法。本发明方法包括以下步骤：1）构建图像翻译网络，图像翻译网络包括跨视角图像生成器和基于残差的级联细化模块，跨视角图像生成器选用U‑net作为骨干网络，用于合成粗糙的地面全景图像；级联细化模块用于合成细化精炼的地面全景图像；2）同时对图像翻译网络进行两个模式的训练；第一种，将真实地面图像作为编码器输入生成的符合高斯分布的潜码合并空中视角图像、全景语义图像输入图像翻译网络进行训练；第二种，采用随机采样的潜码合并空中视角图像、全景语义图像输入；3）测试阶段。本发明方法用于从单一航空图像生成多样的地面视角图像，具有更真实的细节。

本发明授权基于生成对抗网络的跨视角图像翻译方法在权利要求书中公布了：1.一种基于生成对抗网络的跨视角图像翻译方法，其特征在于，包括以下步骤：1构建图像翻译网络图像翻译网络包括跨视角图像生成器Gcoarse、多尺度鉴别器Ds、编码器E和残差估计网络；跨视角图像生成器Gcoarse选用U-net网络作为骨干网络，接受空中视角图像Ia、全景语义图像Spano为输入，合成粗糙的地面全景图像Ip′ano；残差估计网络由残差图生成器和残差图鉴别器Dr组成，残差图生成器由多个残差细化模块Ri依次级联而成，残差细化模块Ri由多层卷积神经网络组成，用以预测输入图像的残差图，并通过将跨视角图像生成器Gcoarse和残差图求和，进一步合成细化精炼的地面全景图像经过残差细化模块，残差估计网络生成最终细化的地面全景图像Ip″ano，残差图鉴别器Dr用来判断各个残差细化模块Ri生成残差图的真实性，并将结果反馈给残差细化模块Ri；多尺度鉴别器Ds以不同尺度图像块判断真实地面图像Ipano和最终细化的地面全景图像Ip″ano的真实性，并将结果反馈给跨视角图像生成器Gcoarse和残差估计网络；编码器E由数层基于残差的卷积神经网络组成，其作用为将输入图像编码为接近高斯分布的潜码zrec，以实现网络的多样化生成；2训练阶段同时对图像翻译网络进行两个模式的训练；第一种训练模式中，将真实地面图像Ipano作为编码器E的输入生成的符合高斯分布的潜码ze、空中视角图像Ia、全景语义图像Spano输入图像翻译网络中进行训练；在第二种训练模式中，采用随机采样的潜码zr合并空中视角图像Ipano、全景语义图像Spano输入图像翻译网络进行训练，编码器E连接在图像翻译网络的末端，从生成的图像Ip″ano生成重构潜码zrec，以损失函数约束编码器E将真实地面图像和生成图像的编码映射到相同的高斯分布；3测试阶段以待测试空中视角图像、全景语义图像和在高斯分布上随机采样的不同的潜码输入到训练好的图像翻译网络，获得最终细化的地面全景图，得到多样化的生成结果；其中：步骤2中，①第一种训练模式中，真实地面图像Ipano与最终生成的地面全景图像Ip″ano之间的重建损失设计如下: 其中代表期望运算，Ia代表了空中视角图像；采用KL散度，通过如下的损失函数LKL来优化编码器： 其中E表示编码器，表示高斯分布；②第二种训练模式中，重构潜码zrec由于另一重构损失而被迫接近随机潜码zr，其表达式为： ③使用多尺度鉴别器Ds鉴别残差估计网络预测的中间的残差图，将跨视角图像生成器生成的粗糙全景图像Ip′ano的对抗损失公式表示为： 其中，Ds表示多尺度鉴别器；经过多级细化后，网络生成了中间图像包括最终细化的图I″pano，空中视角图像和生成的中间图像对的对抗性损失公式如下: 由以上两式得到总的多级对抗损失为: 其中λrefine为平衡粗糙损失和精细损失贡献的权重因子，N为级联细化的阶段总数；④估计的残差图用于填补生成的中间图像与真实地面图像之间的空白，因此，给定生成的中间图像将真实的残差图定义为则残差重构损失为： 其中Dr为残差图的鉴别器，为第i级残差细化模块生成的残差图，总残差重构损失是所有中间残差重构损失的总和： ⑤总体损失将损失函数的加权求和作为整个图像翻译网络的总体损失，记为: 其中是λ1、λ2、λ3、λ4是控制每个损失在总体损失函数中所占比例超参数。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。