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！

龙图腾网获悉上海人工智能创新中心申请的专利一种多粒度视觉信息引导的多模态语言生成方法和系统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：CN118708071B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202410861083.7，技术领域涉及：G06F3/023；该发明授权一种多粒度视觉信息引导的多模态语言生成方法和系统是由赵翔宇;李祥泰;黄海安;段浩东;李亦宁;陈恺;杨华设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种多粒度视觉信息引导的多模态语言生成方法和系统在说明书摘要公布了：本发明涉及一种多粒度视觉信息引导的多模态语言生成方法和系统，方法包括以下步骤：获取视觉输入和文本输入，根据文本输入提取文本输入特征，将视觉输入通过多粒度视觉融合模块处理后，与文本输入特征进行拼接，并输入大语言模型中进行解码获得输出响应；多粒度视觉融合模块将视觉输入插值为低分辨率数据和高分辨率数据，并分别进行特征提取，得到低分辨率特征和高分辨率特征，并提取出对象级特征；将低分辨率特征与高分辨率特征融合后，得到融合特征，再与对象级特征拼接，得到输出的特征结果。与现有技术相比，本发明具有提升了多模态大语言模型的细粒度感知和理解能力，提升了多模态大语言模型的性能等优点。

本发明授权一种多粒度视觉信息引导的多模态语言生成方法和系统在权利要求书中公布了：1.一种多粒度视觉信息引导的多模态语言生成方法，其特征在于，包括以下步骤： 获取视觉输入和文本输入，根据文本输入提取文本输入特征，将视觉输入通过多粒度视觉融合模块处理后，与文本输入特征进行拼接，并输入大语言模型中进行解码获得输出响应； 所述多粒度视觉融合模块将视觉输入插值为低分辨率数据和高分辨率数据，并分别进行特征提取，得到低分辨率特征和高分辨率特征，并提取出对象级特征；将低分辨率特征与高分辨率特征融合后，得到融合特征，再与对象级特征拼接，得到输出的特征结果； 所述对象级特征的提取过程具体为： 采用标注模型对视觉输入进行类别标注，根据视觉输入和标注的类别获得视觉输入的边界框；根据视觉输入的边界框和高分辨率特征，通过特征区域对齐，获取边界框对应的对象级特征，并对获取的各个对象级特征进行拼接； 将低分辨率特征与高分辨率特征融合的过程具体为： 将低分辨率特征与高分辨率特征分别经过一维卷积模块进行通道变换；将变换后的两个特征拼接在一起送入门控网络中生成高分辨率特征的权重；将该高分辨率特征的权重与高分辨率特征相乘后与低分辨率特征相加，得到所述融合特征。

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上海人工智能创新中心，其通讯地址为：200232 上海市徐汇区云锦路701号37、38层；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”。