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！

龙图腾网获悉之江实验室;中国科学院自动化研究所申请的专利多模态视听视频定位方法、装置及存储介质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：CN117011764B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310880951.1，技术领域涉及：G06V20/40；该发明授权多模态视听视频定位方法、装置及存储介质是由徐常胜;高君宇;傅杰设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本多模态视听视频定位方法、装置及存储介质在说明书摘要公布了：本申请提供一种多模态视听视频定位方法、装置及存储介质，所述方法包括：获取视听视频；将所述视听视频输入到多模态视听视频定位模型，获取所述多模态视听视频定位模型输出的视频定位结果；所述多模态视听视频定位模型是基于训练集中的视听视频样本、语义类别和由不同模态间语义表征的不平衡程度确定的损失调制系数，通过训练得到的。本申请提供的多模态视听视频定位方法，通过对视听视频中视觉语义表征和听觉语义表征之间不平衡性进行度量，并根据度量结果对多模态视听视频定位模型进行损失调制，优化模型参数，从而提高了对对视频内弱语义模态数据的定位准确率。

本发明授权多模态视听视频定位方法、装置及存储介质在权利要求书中公布了：1.一种多模态视听视频定位方法，其特征在于，包括： 获取视听视频； 将所述视听视频输入到多模态视听视频定位模型，获取所述多模态视听视频定位模型输出的视频定位结果；所述多模态视听视频定位模型是基于训练集中的视听视频样本、语义类别标签和由不同模态间语义表征的不平衡程度确定的损失调制系数，通过训练得到的； 所述多模态视听视频定位模型的训练步骤，包括： 基于视听视频样本和语义类别标签，获取视觉语义表征和听觉语义表征，并确定视觉分类预测损失值和听觉分类预测损失值； 基于所述视觉语义表征和所述听觉语义表征之间的语义差异，确定语义表征的不平衡程度； 所述基于所述视觉语义表征和所述听觉语义表征之间的语义差异，确定语义表征的不平衡程度，包括： 基于所述视觉语义表征和所述听觉语义表征，确定视觉分类预测结果和听觉分类预测结果； 基于所述视觉分类预测结果、所述听觉分类预测结果和所述语义类别标签，确定所述语义表征的不平衡程度； 所述基于所述视觉分类预测结果、所述听觉分类预测结果和所述语义类别标签，确定所述语义表征的不平衡程度，包括： 基于所述视觉分类预测结果、所述听觉分类预测结果和所述语义类别标签，确定视觉分类预测平均损失值和听觉分类预测平均损失值； 根据所述视觉分类预测平均损失值和所述听觉分类预测平均损失值，计算得到所述语义表征的不平衡程度。

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之江实验室;中国科学院自动化研究所，其通讯地址为：310000 浙江省杭州市文一西路1818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”。

以上内容由龙图腾AI智能生成。