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！

龙图腾网恭喜江西财经大学申请的专利基于扩散-生成对抗框架的单一动作生成深度学习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：CN119888866B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510369711.4，技术领域涉及：G06V40/20；该发明授权基于扩散-生成对抗框架的单一动作生成深度学习方法是由陈强;左斌松;邹睿坤;鲁挺松;穆潇璐;鄢杰斌;左一帆;陈俊杰;姜文晖;方玉明设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本基于扩散-生成对抗框架的单一动作生成深度学习方法在说明书摘要公布了：本发明提出一种基于扩散‑生成对抗框架的单一动作生成深度学习方法，该方法包括：对运动序列进行划分，得到动态特征和静态特征，并通过正向运动学进行足部接触计算，得到计算后的动态特征；对计算后的动态特征编码为高斯随机噪声，并输入至生成器中通过扩散模型进行去噪；使用测量动作相似性和平均投票策略对接近的真实动作进行动作合成；对计算后的动态特征给定输入动作序列，并通过扩散模型的专门局部注意层中采用马尔可夫去噪过程以迭代的形式注入噪声进行去噪；通过鉴别器分别对更为准确的身体动作与重建的动作进行独立评估，生成分类结果。本发明通过梯度惩罚与残差结构的联合优化，有效解决了复杂骨骼拓扑下的模式崩溃问题。

本发明授权基于扩散-生成对抗框架的单一动作生成深度学习方法在权利要求书中公布了：1.一种基于扩散-生成对抗框架的单一动作生成深度学习方法，其特征在于，所述方法包括如下步骤：步骤1、基于扩散生成对抗网络架构构建生成器和鉴别器，基于匹配和混合机制构建匹配和混合模块，生成器、鉴别器、匹配和混合模块构成扩散生成对抗网络模型；其中，生成器包括扩散模型，扩散模型与浅层U-Net架构结合，鉴别器采用多尺度方式运行，匹配和混合模块包括匹配模块和混合模块；步骤2、对运动序列进行划分，得到动态特征和静态特征；对动态特征进行转换，得到一般运动表示，对一般运动表示添加脚部接触标签，并通过正向运动学进行足部接触计算，得到计算后的动态特征；步骤3、对计算后的动态特征进行高斯随机噪声添加操作，并输入至生成器中通过扩散模型进行去噪，得到去噪后的真实动作特征；基于匹配和混合模块，使用测量动作相似性和平均投票策略对去噪后的真实动作特征进行动作合成，得到合成后的身体动作特征；基于计算后的动态特征，结合输入动作序列，利用扩散模型的专门局部注意层中的马尔可夫去噪机制，以迭代的形式进行去噪处理，当达到最大迭代次数后输出重建的动作特征；步骤4、通过鉴别器分别对合成后的身体动作特征与重建的动作特征进行独立评估，生成分类结果；步骤5、基于去噪后的真实动作特征构建对抗损失，基于分类结果构建重建损失，基于重建的动作特征构建扩散损失，利用重建损失和扩散损失得到总重建损失，基于合成后的身体动作特征构建匹配损失；利用对抗损失、重建损失、扩散损失和匹配损失对扩散生成对抗网络模型进行优化，得到优化后的扩散生成对抗网络模型；基于优化后的扩散生成对抗网络模型获取最终的分类结果。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。