Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院自动化研究所王丹力获国家专利权

中国科学院自动化研究所王丹力获国家专利权

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!

龙图腾网获悉中国科学院自动化研究所申请的专利一种多尺度双流注意力视频语言事件预测的方法及装置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:CN115019137B

龙图腾网通过国家知识产权局官网在2025-07-08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:202210412836.7,技术领域涉及:G06V10/80;该发明授权一种多尺度双流注意力视频语言事件预测的方法及装置是由王丹力;郑楠;马鑫伟设计研发完成,并于2022-04-19向国家知识产权局提交的专利申请。

一种多尺度双流注意力视频语言事件预测的方法及装置在说明书摘要公布了:本发明提供一种多尺度双流注意力视频语言事件预测的方法及装置,方法包括:获取原始输入数据;原始输入数据中包括一个目标视频流、目标视频流对应的字幕以及多个未来候选事件;将原始输入数据输入多尺度双流注意力视频语言事件预测模型,得到目标视频流的事件预测结果。多尺度双流注意力视频语言事件预测模型包括多尺度视频处理模块、双流跨模态融合模块以及事件预测模块。基于此,全面的提取特征,并减少冗余特征,避免不同模态之间相互干扰造成的不利影响,有效的提高事件预测的准确率。

本发明授权一种多尺度双流注意力视频语言事件预测的方法及装置在权利要求书中公布了:1.一种多尺度双流注意力视频语言事件预测的方法,其特征在于,包括: 获取原始输入数据;其中,所述原始输入数据中包括一个目标视频流、所述目标视频流对应的字幕以及多个未来候选事件; 将所述原始输入数据输入多尺度双流注意力视频语言事件预测模型,得到所述目标视频流的事件预测结果; 其中,所述多尺度双流注意力视频语言事件预测模型包括多尺度视频处理模块、双流跨模态融合模块以及事件预测模块; 所述多尺度视频处理模块用于基于所述目标视频流中的视频帧生成多尺度视频特征;所述双流跨模态融合模块用于基于所述字幕的特征、所述多个未来候选事件的特征以及所述多尺度视频特征,生成不同尺度的第一融合视频特征和不同尺度的第一融合字幕特征;所述事件预测模块用于基于所述不同尺度的第一融合视频特征和所述不同尺度的第一融合字幕特征分别得到事件预测结果,基于所述事件预测结果确定所述目标视频流的最终事件预测结果; 其中,所述不同尺度的第一融合视频特征的生成,包括以下步骤: 基于未来候选事件引导的单模态特征转换层,将多尺度视频特征中不同尺度的视频特征分别与每一未来候选事件的特征融合,得到未来候选事件引导的不同尺度的视频特征的第六视频特征; 基于双流视频字幕跨模态融合层,将多尺度视频特征中不同尺度的视频特征分别与目标视频流对应的字幕的特征融合,并且将融合后的特征与每一未来候选事件的特征串联,得到字幕引导的不同尺度的视频特征;并将字幕引导的不同尺度的视频特征输入基于未来候选事件引导的单模态特征转换层,得到每一尺度的视频特征的第七视频特征; 将每一尺度的视频特征对应的第六视频特征和第七视频特征拼接得到每一尺度的第一融合视频特征; 所述不同尺度的第一融合字幕特征的生成,包括以下步骤: 基于未来候选事件引导的单模态特征转换层,将目标视频流对应的字幕的特征与每一未来候选事件的特征分别融合得到未来候选事件引导的第一字幕特征; 基于双流视频字幕跨模态融合层,将目标视频流对应的字幕的特征与多尺度视频特征分别融合,得到不同尺度的视频帧引导的字幕特征;并且基于未来候选事件引导的单模态特征转换层,将融合后的特征与每一未来候选事件的特征分别融合,得到视频引导的多个第二字幕特征; 将多个第一字幕特征和多个第二字幕特征拼接得到第一融合字幕特征。

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中国科学院自动化研究所,其通讯地址为:100190 北京市海淀区中关村东路95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”。

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。