原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于扩散模型的缺失模态生成方法、系统及存储介质，方法包括：基于条件扩散模型构建基于UNet主干网络的缺失模态生成网络模型，多模态各自对应一个缺失模态生成网络模型，模型训练时输入包括对样本缺失模态加噪的带噪数据、加噪程度，以及其它未缺失模态组成的条件模态，输出为该样本缺失模态带噪数据中的噪声预测值；本发明方法还包括从现有数据中构建更高缺失率的样本作为模型训练的补充数据，用于提高模型处理不同类型数据缺失情况的能力；利用模型输出的预测噪声对带噪数据进行去噪，即得到缺失模态信息。本发明方法
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118072143A
(43)申请公布日2024.05.24
(21)申请号202410282313.4
(22)申请日2024.03.13
(71)申请人哈尔滨工业大学（深圳）（哈尔滨工
文档评论（0）