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！

龙图腾网获悉成都索贝数码科技股份有限公司申请的专利基于全模态理解的镜头标签提取方法、设备和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：CN120635790B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511131135.6，技术领域涉及：G06V20/40；该发明授权基于全模态理解的镜头标签提取方法、设备和介质是由陈尧森;刘跃根;姚羽;温序铭;李雪设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本基于全模态理解的镜头标签提取方法、设备和介质在说明书摘要公布了：本发明提供了一种基于全模态理解的镜头标签提取方法、设备和介质，涉及视频处理技术领域，提出的方法包括：将原始视频切分为多个语义完整的片段单元，并为每个片段标注镜像属性标签形成标注数据集；基于视觉语言模型，使用标注数据集进行有监督训练；所述视觉语言模型采用Qwen2.5‑VL模型；基于经过有监督训练得到的监督微调模型，采用GRPO算法对所述视觉语言模型进行优化；基于优化后的视觉语言模型对待处理视频进行初步标注，并通过人工修正错误标注，迭代更新视觉语言模型。在复杂视频场景下采用本发明方法进行镜头标签提取，可有效提高提取精度和提取效率。

本发明授权基于全模态理解的镜头标签提取方法、设备和介质在权利要求书中公布了：1.一种基于全模态理解的镜头标签提取方法，其特征在于，包括： 将原始视频切分为多个语义完整的片段单元，并为每个片段标注镜像属性标签形成标注数据集； 基于视觉语言模型，使用标注数据集进行有监督训练；所述视觉语言模型采用Qwen2.5-VL模型； 基于经过有监督训练得到的监督微调模型，采用GRPO算法对所述视觉语言模型进行优化； 基于优化后的视觉语言模型对待处理视频进行初步标注，并通过人工修正错误标注，迭代更新视觉语言模型； 所述将原始视频切分为多个语义完整的片段单元，并为每个片段标注镜像属性标签形成标注数据集，包括： 使用视频镜头切换检测模型预测视频的边界入出点； 根据视频片段的入出点将视频分割为不同场景的视频片段； 定义镜头标签分类体系，并构建镜头标签提示词模板库； 为每个片段标注镜像属性标签形成标注数据集； 所述使用视频镜头切换检测模型预测视频的边界入出点包括： 采用时空特征提取结构，逐帧解析视频内容并生成时空特征矩阵；所述时空特征提取结构包括级联的三维卷积神经网络和自注意力机制组件； 采用双重分析机制获取相邻视频帧的第一相似度向量和第二相似度向量；其中，比较相邻视频帧的时空特征相似性生成第一相似度向量，对相邻视频帧进行基于色彩分布特征的统计学分析生成第二相似度向量； 基于多路径输出网络，至少根据第一相似度向量和第二相似度向量输出当前帧作为视频边界的置信度概率值。

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成都索贝数码科技股份有限公司，其通讯地址为：610041 四川省成都市高新区新园南二路2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。