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！

龙图腾网获悉江西财经大学申请的专利基于多视角分离与定位的场景文本上下文对齐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：CN120340017B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510775630.4，技术领域涉及：G06V20/62；该发明授权基于多视角分离与定位的场景文本上下文对齐方法是由方承炀;姜文晖;方玉明;章楠;邓辉;鄢杰斌设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本基于多视角分离与定位的场景文本上下文对齐方法在说明书摘要公布了：本发明提出一种基于多视角分离与定位的场景文本上下文对齐方法，该方法包括：通过OCR系统对原始图像进行识别提取，得到最终的OCR特征；基于原始图像，得到物体的最终融合表示向量；基于问题的嵌入矩阵、OCR文本的嵌入矩阵以及物体的嵌入得到T5编码器的输入；基于文本的边界框特征，得到离散化距离；通过离散化距离得到注意力输出结果；基于原始图像，计算三个通道的KL散度差异值，并通过KL散度差异值得到最终视觉关联表示；利用处理后的文本特征和视觉特征对模型进行训练；通过训练后的模型得到自然语言答案。本发明通过分析不同场景文本间的颜色分布差异，评估它们的视觉关联性，帮助模型更加准确地判断文本之间的关系。

本发明授权基于多视角分离与定位的场景文本上下文对齐方法在权利要求书中公布了：1.一种基于多视角分离与定位的场景文本上下文对齐方法，其特征在于，所述方法包括如下步骤： 步骤1、通过OCR系统对原始图像进行识别提取，得到场景文本； 基于场景文本，得到最终的OCR特征； 基于原始图像，通过FasterR-CNN提取得到物体的最终融合表示向量； 步骤2、利用T5Token嵌入层将问题中的单词编码为特征嵌入，以得到问题特征； 基于最终的OCR特征、物体的最终融合表示向量以及问题特征，分别计算得到问题的嵌入矩阵、OCR文本的嵌入矩阵以及物体的嵌入矩阵； 对问题的嵌入矩阵、OCR文本的嵌入矩阵以及物体的嵌入矩阵使用拼接函数进行拼接处理，以得到T5编码器的输入； 步骤3、将原始图像划分成图像块，基于OCR文本的边界框特征，将OCR文本的边界框坐标映射为图像块的坐标，并进一步得到离散化距离； 利用离散化距离，通过注意力计算，得到注意力输出结果； 将原始图像分离成RGB三个通道，并计算三个通道的KL散度差异值； 利用三个通道的KL散度差异值分别得到红色通道门控权重和蓝色通道门控权重； 利用红色通道门控权重和蓝色通道门控权重，通过多通道视觉关联融合处理，得到最终视觉关联表示； 步骤4、利用最终视觉关联表示，通过预训练的编码器，生成得到联合的多模态上下文表示； 根据联合的多模态上下文表示，利用预训练的解码器进行自回归生成，以得到自然语言答案。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。