買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中山大學;中山大學·深圳申請的專利一種多退化視頻的通用修復方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120410857B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510873219.0，技術領域涉及：G06T3/4053；該發明授權一種多退化視頻的通用修復方法是由任文琦;陳昱瀛;姜求平;朱江;任燁;操曉春設計研發完成，并于2025-06-27向國家知識產權局提交的專利申請。

本一種多退化視頻的通用修復方法在說明書摘要公布了：本發明屬于計算機軟件技術領域，公開了一種多退化視頻的通用修復方法，該方法包括：獲取多退化視頻；將多退化視頻輸入VSRMamba；通過淺層特征提取模塊提取當前視頻幀以及當前視頻幀之前連續多個視頻幀的淺層特征；將多個淺層特征輸入循環特征傳播模塊，通過循環特征傳播模塊對多個淺層特征進行對齊，在時間維度和空間維度上，對對齊后的多個淺層特征進行正向展開和拼接操作，以及反向展開和拼接操作，得到多個一維序列，并基于多個一維序列生成當前視頻幀的深層特征；通過高分辨率重建模塊將當前視頻幀的淺層特征和深層特征進行融合，并生成當前視頻幀對應的高分辨率視頻幀。解決了鄰居像素遺忘的問題，生成的高分辨率視頻擁有更自然、清晰的紋理細節。

本發明授權一種多退化視頻的通用修復方法在權利要求書中公布了：1.一種多退化視頻的通用修復方法，其特征在于，所述方法包括： 獲取待修復的多退化視頻，所述多退化視頻的分辨率小于預設分辨率； 將所述多退化視頻輸入預先訓練得到的視頻超分辨率狀態空間模型VSRMamba，所述VSRMamba包括：淺層特征提取模塊、循環特征傳播模塊和高分辨率重建模塊； 對于所述多退化視頻中的任一當前視頻幀，通過所述淺層特征提取模塊提取所述當前視頻幀以及所述當前視頻幀之前連續多個視頻幀的淺層特征； 將所提取的多個淺層特征輸入所述循環特征傳播模塊，通過所述循環特征傳播模塊對多個淺層特征進行對齊，在時間維度和空間維度上，分別對對齊后的多個淺層特征進行正向展開和拼接操作，以及反向展開和拼接操作，得到多個一維序列，并基于所述多個一維序列生成所述當前視頻幀的深層特征； 通過所述高分辨率重建模塊將所述當前視頻幀的淺層特征和深層特征進行融合，并基于融合后的特征生成所述當前視頻幀對應的高分辨率視頻幀； 所述循環特征傳播模塊包括多個殘差狀態空間模塊，每個所述殘差狀態空間模塊依次由第一層歸一化、時空狀態空間模塊、第一殘差連接、第二層歸一化、卷積層、通道注意力、第二殘差連接組成；所述時空狀態空間模塊依次由第一線性層、逐通道卷積、第一激活函數、三維選擇性掃描模塊、第三層歸一化、第二線性層、第二激活函數、哈達瑪積和第三線性層組成；所述三維選擇性掃描模塊依次由三維選擇性展開子模塊、狀態空間模型、序列求和子模塊組成； 通過所述循環特征傳播模塊，在時間維度和空間維度上，分別對對齊后的多個淺層特征進行正向展開和拼接操作，以及反向展開和拼接操作，得到多個一維序列，包括： 將對齊后的多個淺層特征輸入殘差狀態空間模塊，通過所述殘差狀態空間模塊的第一層歸一化對所述對齊后的多個淺層特征進行歸一化，得到歸一化后的多個淺層特征； 將所述歸一化后的多個淺層特征輸入所述時空狀態空間模塊，通過所述時空狀態空間模塊的第一線性層、逐通道卷積和第一激活函數依次對所述歸一化后的多個淺層特征進行處理，得到處理后的淺層特征； 將所述處理后的淺層特征輸入三維選擇性掃描模塊，通過所述三維選擇性展開子模塊，在時間維度和空間維度上，分別對處理后的淺層特征進行正向展開和拼接操作，以及反向展開和拼接操作，得到多個一維序列。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學;中山大學·深圳，其通訊地址為：510000 廣東省廣州市新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。