一种基于条件扩散模型的无交叉注意力姿态迁移方法

本发明公开了一种基于条件扩散模型的无交叉注意力姿态迁移方法，该方法用预训练的VAE编码器对输入统一编码，以三个平行的U‑Net为基础，不同的U‑Net提取不同输入的多级特征，并在主干U‑Net直接相加并通过自注意力机制进行特征融合。训练时，以独立的概率随机置两个条件图像为空。采样时，以单个条件对应的预测噪声为基础，混合两个条件相对于单个条件对输出造成的差异。统一编码减小了模型的学习难度。自注意力机制计算融合特征中不同信息之间的关系，更有效地利用高相关性的特征。独立置空策略促进网络学习单个条件引入的差异。混合噪声引导基础噪声向条件控制更强的方向修正，避免了两个条件均置空时噪声训练不足，从而提高生成图像的保真性和一致性。