龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国科学院自动化研究所
摘要：本发明提供一种基于多模态多形式统一的多轮图文理解与定位方法及装置，涉及图像数据处理技术领域，方法包括：获取执行图文理解或定位任务的多模态数据，将多模态数据的待处理图像切分为多个图像块；确定多模态数据的待处理文本的文本特征以及图像块的图像序列特征；通过状态空间模型特征提取模块，对图像序列特征进行基于米字形结构方向的2D空间序列扫描，得到扫描序列特征；通过状态空间模型特征处理模块进行基于序列离散化的线性映射，得到离散序列特征后扫描合并，进而与文本特征融合得到多模态融合特征，用于执行图文理解或定位任务。通过本申请，解决神经网络模型在处理输入的长序列或高维度数据时，模型计算复杂度高的缺陷。
主权项：1.一种基于多模态多形式统一的多轮图文理解与定位方法，其特征在于，所述方法包括：获取执行图文理解或定位任务的多模态数据，将所述多模态数据包括的待处理图像切分为多个图像块；确定所述多模态数据包括的待处理文本的文本特征，并确定所述图像块的图像编码以及位置编码，将所述图像编码与所述位置编码融合得到所述图像块的图像序列特征；通过状态空间模型的特征提取模块，对所述图像块的图像序列特征进行基于米字形结构方向的2D空间序列扫描，得到扫描序列特征；通过状态空间模型的特征处理模块，对所述扫描序列特征进行基于序列离散化的线性映射处理，得到所述图像块的离散序列特征；将所述图像块的离散序列特征进行扫描合并，得到所述待处理图像的融合序列特征，并将所述融合序列特征与所述文本特征进行融合，得到多模态融合特征，其中，所述多模态融合特征用于执行所述图文理解或定位任务。
全文数据：
权利要求：
百度查询： 中国科学院自动化研究所 基于多模态多形式统一的多轮图文理解与定位方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号