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！

龙图腾网获悉浪潮通用软件有限公司申请的专利一种基于多模态大模型的视觉问答方法、设备及介质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：CN119938872B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510429240.1，技术领域涉及：G06F16/3329；该发明授权一种基于多模态大模型的视觉问答方法、设备及介质是由王岩;丁一凡;杜宏伟;郑伟航;韩嘉懿;王建;王家琦设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本一种基于多模态大模型的视觉问答方法、设备及介质在说明书摘要公布了：本说明书实施例公开了一种基于多模态大模型的视觉问答方法、设备及介质，涉及数据处理技术领域，方法包括：获取用户输入的原始问答图像数据和原始问答文本数据，对原始问答图像数据进行转换，以确定对应的高分辨率视觉特征数据；通过高分辨率视觉特征数据，对预先获取的原始问答图像数据对应的原始视觉特征进行特征增强，以确定增强视觉令牌特征；提取原始问答文本数据的问答文本特征，基于增强视觉令牌特征和问答文本特征进行特征融合确定综合特征向量，通过多模态大模型和综合特征向量生成答案。通过对原始图像数据的针对性处理和特征增强，在保证获取关键细节的前提下维持相对较低的计算复杂度，满足实际应用中的资源限制，拓宽模型应用场景。

本发明授权一种基于多模态大模型的视觉问答方法、设备及介质在权利要求书中公布了：1.一种基于多模态大模型的视觉问答方法，其特征在于，所述方法包括： 获取用户输入的原始问答图像数据和原始问答文本数据，对所述原始问答图像数据进行转换，以确定对应的高分辨率视觉特征数据； 通过所述高分辨率视觉特征数据，对预先获取的所述原始问答图像数据对应的原始视觉特征进行特征增强，以确定增强视觉令牌特征； 提取所述原始问答文本数据的问答文本特征，基于所述增强视觉令牌特征和所述问答文本特征进行特征融合，确定综合特征向量，以通过多模态大模型和所述综合特征向量，生成答案； 基于所述增强视觉令牌特征和所述问答文本特征进行特征融合，确定综合特征向量，具体包括： 预先获取匹配图文对数据集合，通过所述匹配图文对数据集合中的匹配图文对，优化投射层的投射参数； 通过所述投射层，将所述增强视觉令牌特征嵌入至所述问答文本特征对应的文本特征空间，进行图文语义对齐处理，以进行特征拼接，确定所述综合特征向量； 通过所述匹配图文对数据集合中的匹配图文对，优化投射层的投射参数，具体包括： 获取所述匹配图文对中的高分辨率图像特征、低分辨率图像特征与匹配文本特征； 根据所述高分辨率图像特征与所述匹配文本特征，确定高分辨率匹配相似性，并基于所述低分辨率图像特征与所述匹配文本特征，确定低分辨率匹配相似性； 以所述高分辨率匹配相似性和所述低分辨率匹配相似性的差值，确定相似度差异损失，根据所述相似度差异损失作为损失函数，进行对比学习，并利用反向传播，优化投射层的投射参数。

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浪潮通用软件有限公司，其通讯地址为：250101 山东省济南市历下区浪潮路1036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”。