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！

龍圖騰網獲悉四川省人工智能研究院(宜賓)申請的專利一種基于視頻深度信息的多模態視頻語言學習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：CN116469031B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202310339680.9，技術領域涉及：G06V20/40；該發明授權一種基于視頻深度信息的多模態視頻語言學習方法是由許輝;秦一心;張浩楠;張明星;尹鵬;郭嘉琪;邵杰設計研發完成，并于2023-03-31向國家知識產權局提交的專利申請。

本一種基于視頻深度信息的多模態視頻語言學習方法在說明書摘要公布了：本發明公開了一種基于視頻深度信息的多模態視頻語言學習方法，包括：S1：提取原始視頻的第一特征信息和所述原始視頻中文本的第二特征信息；S2：根據所述第一特征信息，利用DAST模塊，得到最終視頻特征；所述最終視頻特征為帶有視頻深度信息且考慮不同尺度下幀的時間相關性的視頻特征；S3：利用所述最終視頻特征和所述第二特征信息設計頭部網絡以適應不同跨模態任務需求。本發明結合視頻深度信息，能夠更好地對視頻中不同對象個體間的幾何關系進行提取和建模。

本發明授權一種基于視頻深度信息的多模態視頻語言學習方法在權利要求書中公布了：1.一種基于視頻深度信息的多模態視頻語言學習方法，其特征在于，所述基于視頻深度信息的多模態視頻語言學習方法包括： S1：提取原始視頻的第一特征信息和所述原始視頻中文本的第二特征信息； S2：根據所述第一特征信息，利用DAST模塊，得到最終視頻特征；所述最終視頻特征為帶有視頻深度信息且考慮不同尺度下幀的時間相關性的視頻特征； S3：利用所述最終視頻特征和所述第二特征信息設計頭部網絡以適應不同跨模態任務需求； 所述DAST模塊包括4個構成組，第一構成組包括兩個堆疊設置的DSCA子模塊和融合子模塊，所述兩個堆疊設置的DSCA子模塊和所述融合子模塊依次設置，所述第一構成組和第二構成組構造為具有相同結構，且所述第一構成組和或所述第二構成組對所述第一特征信息進行多尺度特征操作； 第三構成組包括依次設置的膨脹子模塊和兩個堆疊設置的DSCA子模塊，所述第三構成組和第四構成組構造為具有相同結構，且所述第三構成組和或所述第四構成組對不同尺度的特征進行膨脹操作和注意力計算； 所述第二構成組和所述第三構成組之間設置有瓶頸層； 所述第二構成組和所述第三構成組的輸出結果殘差連接，所述第一構成組和所述第四構成組的輸出結果殘差連接。

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四川省人工智能研究院(宜賓)，其通訊地址為：644000 四川省宜賓市宜賓臨港經濟技術開發區長江北路西段附二段430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”。