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！

龙图腾网获悉浙江大学申请的专利一种基于解耦的空间和时序信息的视频隐式表征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：CN115147275B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202210729257.5，技术领域涉及：G06V10/77；该发明授权一种基于解耦的空间和时序信息的视频隐式表征方法是由刘勇;李梓彰;王蒙蒙设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种基于解耦的空间和时序信息的视频隐式表征方法在说明书摘要公布了：本发明涉及计算机视觉领域，公开了一种基于解耦的空间和时序信息的视频隐式表征方法，包括以下步骤：S1、对特定视频片段进行训练，通过降低网络损失函数优化网络参数，直至网络收敛，获得基于解耦的空间和时序信息的高效视频隐式表征的网络权重；S2、利用训练阶段获得的网络权重，在给定帧索引的输入下逐帧重建整个视频序列；S3、将重建的视频序列与原始视频进行比较评估隐式表征的能力。本发明通过将视频中的空间和时序信息利用网络特定结构进行解耦，进行更高效的网络参数分配，使系统能够在给定的参数范围下更加准确有效的表征待表征的视频；以及达到更快的网络收敛速度。

本发明授权一种基于解耦的空间和时序信息的视频隐式表征方法在权利要求书中公布了：1.一种基于解耦的空间和时序信息的视频隐式表征方法，其特征在于，包括以下步骤： S1、对特定视频片段进行训练，通过降低网络损失函数优化网络参数，直至网络收敛，获得基于解耦的空间和时序信息的高效视频隐式表征的网络权重； S2、利用训练阶段获得的网络权重，在给定帧索引的输入下逐帧重建整个视频序列； S3、将重建的视频序列与原始视频进行比较评估隐式表征的能力； 所述步骤S1具体包括以下步骤： S11、执行训练视频片段构建网络训练数据对并确定任意帧图片对应的网络输入帧索引值； S12、对输入的帧索引值通过正弦‑余弦变换单元将输入的一维索引变换为高维的时序特征然后通过多层感知机网络将通过变换的高维时序特征映射为一维的时序特征； S13、使用二维的空间像素坐标对训练视频片段进行初始化得到坐标图然后通过正弦‑余弦变换单元后执行第一自注意力单元进行空间尺度上的信息交互得到空间特征图； S14、对所述时序特征和所述空间特征图进行空间上逐位置相乘得到第一时空特征图； S15、将所述第一时空特征图执行第二自注意力单元进行第二次空间位置上的交互对每个空间位置等价融合的时序信息进行扩展得到第二时空特征图； S16、将所述高维时序特征送入另一个独立的浅层感知机网络中执行时序分布偏移特征编码单元得到用于卷积模块中的偏移特征向量； S17、将所述偏移特征向量和所述第二时空特征图送入卷积网络模块得到视频帧图像； S18、采用端对端的方式进行网络训练获取梯度反传优化的损失函数值； S19、使用Adam优化器迭代更新网络参数，使目标损失函数降低直至收敛到局部最优得到训练好的基于解耦的空间和时序信息的视频隐式表征方法的网络权重； 所述步骤S2具体包括以下步骤： S21、对于训练优化结束的视频表征网络从0到1输入特定帧的帧索引值； S22、执行正弦‑余弦变换单元得到所属帧索引值对应的高维特征； S23、将该高维特征分别送入两个不同的多层感知机网络，执行时序特征编码单元和时序分布偏移特征编码单元得到所需要的时序特征和用于后续卷积模块中计算的分布偏移特征； S24、将空间像素坐标通过执行第一自注意力单元得到对该视频任意帧索引值输入都相等的空间特征图； S25、将时序特征和空间特征图执行逐位置特征相乘，并通过第二自注意力单元得到时空特征图； S26、对所述得到的时空特征图执行卷积上采样单元，在每个模块内和所述分布偏移特征进行特征正则化并进行卷积上采样得到特征图； S27、将所述特征图通过一个1×1卷积层将通道数降至需要的三通道颜色输出，并使用sigmoid函数将输出归一化到0和1之间，最后乘以255得到输出的三通道颜色。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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”。