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！

龙图腾网获悉同济大学申请的专利基于概率表征学习的视觉文本多模态动物姿态估计方法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：CN119723668B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411871792.X，技术领域涉及：G06V40/20；该发明授权基于概率表征学习的视觉文本多模态动物姿态估计方法是由赵生捷;饶季勇;汪昱设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本基于概率表征学习的视觉文本多模态动物姿态估计方法在说明书摘要公布了：本发明涉及一种基于概率表征学习的视觉文本多模态动物姿态估计方法，所述的方法包括，获取图像数据集并提取图像特征；构建属性描述集，并对所述的文本关键点类别名进行转换并获取提示模板；基于所述的提示模板构建每一关键点的多变量高斯分布；基于所述的多变量高斯分布和图像特征构建关键点空间位置得分分布图；基于所述的关键点空间位置得分分布图和图像特征得到关键点热力图，基于所述的关键点热力图进行动物姿态估计，获取关键点坐标。与现有技术相比，本发明解决了现有技术中因单一提示模板和多种类动物数据分布不均造成的姿态估计不准确的问题。

本发明授权基于概率表征学习的视觉文本多模态动物姿态估计方法在权利要求书中公布了：1.一种基于概率表征学习的视觉文本多模态动物姿态估计方法，其特征在于，所述的方法包括： 获取图像数据集并提取图像特征，所述的图像数据集包括多个文本关键点类别名； 构建属性描述集，并对所述的文本关键点类别名进行转换，将转换后的文本关键点类别名随机插入所述的属性描述集，得到多个提示模板； 基于所述的多个提示模板构建每一关键点的多变量高斯分布，构建所述的多变量高斯分布的方法为： 基于所述的提示模板获取提示特征，并对所述的提示特征施加差异性约束，其表达式为： 其中，Pi表示第i个关键点对应的提示特征，表示提示特征的转置，I表示维度为Np的单位对角矩阵，Np表示提示模板的个数，K表示关键点个数； 基于施加差异性约束后的提示特征计算多变量高斯分布的均值； 将所述的图像特征和提示特征进行交互，获取多变量高斯分布的方差； 基于所述的方差和均值构建多变量高斯分布； 基于所述的多变量高斯分布和图像特征构建关键点空间位置得分分布图，所述的构建关键点空间位置得分分布图的方法为： 利用重参数法对所述的多变量高斯分布进行采样得到采样提示特征； 基于动物图片获取关键点的真实坐标掩码，并基于所述的掩码对所述的图像特征进行采样得到采样图像特征； 计算所述的采样提示特征和采样图像特征的对比损失，其表达式为： 其中，Fkeypoint表示采样图像特征，表示采样提示特征，M表示文本-视觉相似矩阵，Mlabel为对角矩阵，MT为文本-视觉相似矩阵M的转置矩阵，CE表示交叉损失熵计算； 基于所述的对比损失将提示特征和图像特征进行特征对齐； 将所述的图像特征进行映射处理，并与特征对齐结果进行跨模态信息融合得到多个关键点得分图且所述的关键点得分图的数量大于关键点个数，对所述的多个关键点得分图进行空间对齐处理，得到关键点空间位置得分分布图； 基于所述的关键点空间位置得分分布图和图像特征得到关键点热力图，基于所述的关键点热力图进行动物姿态估计，获取关键点坐标。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。