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！

龙图腾网获悉四川省人工智能研究院(宜宾)申请的专利一种基于视频深度信息的多模态视频语言学习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：CN116469031B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310339680.9，技术领域涉及：G06V20/40；该发明授权一种基于视频深度信息的多模态视频语言学习方法是由许辉;秦一心;张浩楠;张明星;尹鹏;郭嘉琪;邵杰设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于视频深度信息的多模态视频语言学习方法在说明书摘要公布了：本发明公开了一种基于视频深度信息的多模态视频语言学习方法，包括：S1：提取原始视频的第一特征信息和所述原始视频中文本的第二特征信息；S2：根据所述第一特征信息，利用DAST模块，得到最终视频特征；所述最终视频特征为带有视频深度信息且考虑不同尺度下帧的时间相关性的视频特征；S3：利用所述最终视频特征和所述第二特征信息设计头部网络以适应不同跨模态任务需求。本发明结合视频深度信息，能够更好地对视频中不同对象个体间的几何关系进行提取和建模。

本发明授权一种基于视频深度信息的多模态视频语言学习方法在权利要求书中公布了：1.一种基于视频深度信息的多模态视频语言学习方法，其特征在于，所述基于视频深度信息的多模态视频语言学习方法包括： S1：提取原始视频的第一特征信息和所述原始视频中文本的第二特征信息； S2：根据所述第一特征信息，利用DAST模块，得到最终视频特征；所述最终视频特征为带有视频深度信息且考虑不同尺度下帧的时间相关性的视频特征； S3：利用所述最终视频特征和所述第二特征信息设计头部网络以适应不同跨模态任务需求； 所述DAST模块包括4个构成组，第一构成组包括两个堆叠设置的DSCA子模块和融合子模块，所述两个堆叠设置的DSCA子模块和所述融合子模块依次设置，所述第一构成组和第二构成组构造为具有相同结构，且所述第一构成组和或所述第二构成组对所述第一特征信息进行多尺度特征操作； 第三构成组包括依次设置的膨胀子模块和两个堆叠设置的DSCA子模块，所述第三构成组和第四构成组构造为具有相同结构，且所述第三构成组和或所述第四构成组对不同尺度的特征进行膨胀操作和注意力计算； 所述第二构成组和所述第三构成组之间设置有瓶颈层； 所述第二构成组和所述第三构成组的输出结果残差连接，所述第一构成组和所述第四构成组的输出结果残差连接。

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四川省人工智能研究院(宜宾)，其通讯地址为：644000 四川省宜宾市宜宾临港经济技术开发区长江北路西段附二段430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”。