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：山东浪潮科学研究院有限公司
摘要：本发明提出一种基于多模态信息融合的视频检索方法及系统，属于人工智能设备技术领域，包括：视频帧抽取与编码模块用于获取视频，对视频进行视频帧抽取获得图形序列，对图形序列进行特征编码；音频分离与编码模块用于提取视频的音频部分；文本编码模块用于对视频的描述文件进行编码；对齐模块用于对音频，图像和文字及进行对齐，多模态融合与理解模块用于实现不同模态间的深度交互和信息融合；文字生成模块基于多模态特征进行文字信息的生成，不仅能够高效地融合和处理文字、图像、音频等多元信息，还包含了先进的量化技术以降低模型体积、减少计算资源消耗，同时确保模型性能。
主权项：1.一种融合文字、图像与音频的多模态模型，其特征在于，包括：视频帧抽取与编码模块、音频分离与编码模块、文本编码模块、对齐模块、多模态融合与理解模块和文字生成模块；视频帧抽取与编码模块用于获取视频，对视频进行视频帧抽取获得图形序列，对图形序列进行特征编码；音频分离与编码模块用于提取视频的音频部分；文本编码模块用于对视频的描述文件进行编码；对齐模块用于对音频，图像和文字及进行对齐，步骤包括特征预处理、时空特征映射、动态时间规整增强、输出多模态特征序列；多模态融合与理解模块用于实现不同模态间的深度交互和信息融合；文字生成模块基于多模态特征进行文字信息的生成。
全文数据：
权利要求：
百度查询： 山东浪潮科学研究院有限公司 一种融合文字、图像与音频的多模态模型及方法
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