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！

龙图腾网获悉湖南创新娱乐传媒有限公司申请的专利一种语义分析的短视频内容生成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：CN118660114B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411075059.7，技术领域涉及：H04N5/262；该发明授权一种语义分析的短视频内容生成方法是由李志华;邓金祥;李娇设计研发完成，并于2024-08-07向国家知识产权局提交的专利申请。

本一种语义分析的短视频内容生成方法在说明书摘要公布了：本发明涉及短视频内容生成的技术领域，公开了一种语义分析的短视频内容生成方法，所述方法包括：将短视频描述文本划分为描述语句序列，并进行多尺度特征提取；利用基于图文一致性损失函数的生成图像模型接收多尺度语义向量，并生成描述语句对应的描述图像，对描述图像序列进行连贯平滑处理，整合得到短视频。本发明结合不同窗口序列下的特征划分结果进行语义特征提取，得到表征描述语句语义信息的多尺度语义向量，结合图文一致性损失函数使得描述图像与描述语义之间的语义一致，结合邻近描述图像的残差信息，构建得到描述图像的上下文特征，利用上下文特征对描述图像进行上下文连贯平滑处理以及整合处理，生成平滑连贯的短视频。

本发明授权一种语义分析的短视频内容生成方法在权利要求书中公布了：1.一种语义分析的短视频内容生成方法，其特征在于，所述方法包括： S1：获取短视频描述文本，将短视频描述文本划分为描述语句序列，对描述语句序列中的描述语句进行多尺度特征提取，得到每一组描述语句的多尺度语义向量； S2：构建生成图像与多尺度语义向量的图文一致性损失函数，并对图文一致性损失函数进行求解，基于求解结果构建得到生成图像模型； 所构建的图文一致性损失函数表示形式为： ； ； ； 其中： D表示连续描述文本数据所对应的多尺度语义向量的数量； 表示图文一致性损失函数，表示待求解得到的参数向量，表示参数向量中的放大参数，表示参数向量中的视觉转换参数矩阵； 表示第d组连续描述文本数据在窗口尺度m下特征划分结果的特征提取结果； 表示L2范数； 表示基于参数向量以及特征提取结果所生成的生成图像； 表示第d组连续描述文本数据所生成图像在尺度m的图像语义与文本语义的相似度； 表示第d组连续描述文本数据的分词结果数目； 表示随机噪声； 表示第d组连续描述文本数据在窗口尺度m下的特征划分结果中第个窗口序列的语义信息； 对图文一致性损失函数进行求解，基于求解结果构建得到生成图像模型； 图文一致性损失函数的求解流程为： S21：初始化生成一组参数向量，分别为初始化生成的放大参数以及视觉转换参数矩阵，设置参数向量的当前迭代次数为t，t的初始值为0，最大值为Max，则参数向量的第t次迭代结果为； S22：将参数向量的第t次迭代结果代入图文一致性损失函数，并计算得到图文一致性损失函数对应的梯度； S23：计算得到参数向量对应的一阶矩： ； 其中： 表示一阶矩的衰减系数，将设置为0.9； S24：计算得到参数向量的迭代方向： ； 其中： 表示参数向量的迭代方向； 表示L1范数； S25：计算得到参数向量的迭代步长： ； 其中： 表示参数向量的迭代步长； 表示生成图像之间像素值概率分布的皮尔逊相关系数； S26：对参数向量进行迭代： ； S27：令t=t+1，返回步骤S22，直至达到最大迭代次数Max，并将达到最大迭代次数的参数向量作为求解结果，表示求解得到的放大参数，表示求解得到的视觉转换参数矩阵； S3：利用生成图像模型接收多尺度语义向量，并生成描述语句对应的描述图像，构成描述图像序列； S4：构建图像连贯平滑模型，对描述图像序列进行连贯平滑处理； S5：对连贯平滑处理后的描述图像序列进行整合，得到短视频描述文本所描述的短视频。

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湖南创新娱乐传媒有限公司，其通讯地址为：410005 湖南省长沙市开福区月湖街道鸭子铺路1号284房1室；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”。

以上内容由龙图腾AI智能生成。