Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 吉林外国语大学宋小华获国家专利权

吉林外国语大学宋小华获国家专利权

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!

龙图腾网获悉吉林外国语大学申请的专利基于对象分割引导的视频序列预测方法及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:CN120932161B

龙图腾网通过国家知识产权局官网在2025-12-05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:202511464161.0,技术领域涉及:G06V20/40;该发明授权基于对象分割引导的视频序列预测方法及系统是由宋小华设计研发完成,并于2025-10-14向国家知识产权局提交的专利申请。

基于对象分割引导的视频序列预测方法及系统在说明书摘要公布了:本发明涉及视频预测领域,尤其涉及一种基于对象分割引导的视频序列预测方法及系统,预测方法包括接收历史视频帧序列,并对历史视频帧序列进行视频对象分割与追踪处理,生成每一帧中各个对象的结构表征信息并为每个对象分配持续唯一的追踪ID;将结构表征信息与追踪ID编码为对象级结构化特征序列;将对象级结构化特征序列作为引导条件输入至条件扩散模型,通过迭代去噪过程生成代表未来视频帧的潜在空间中间特征;将潜在空间中间特征解码为像素级的未来视频帧序列。本发明解决了现有视频预测技术在对象一致性、物理真实性和误差累积等方面问题,还拓展了在复杂场景下的应用潜力,为自动驾驶、机器人感知、内容创作等领域的视频预测提供支撑。

本发明授权基于对象分割引导的视频序列预测方法及系统在权利要求书中公布了:1.一种基于对象分割引导的视频序列预测方法,其特征在于,包括如下步骤: S1:接收输入的历史视频帧序列,并采用视频对象分割模型对历史视频帧序列进行视频对象分割与追踪处理,生成每一帧中各个对象的结构表征信息并为每个对象分配持续唯一的追踪ID,获得由结构表征信息与追踪ID构成的对象级时空信息;在步骤S1中,对象的结构表征信息为关键点骨架;对于关键点骨架的运动特征提取: 关节速度:对每个关键点的二维坐标xi,yi计算帧间差分,得到关节速度向量; 骨骼角度变化:通过关键点构成的骨骼边计算夹角,提取关节旋转幅度与变化率; 整体运动模式:将关键点运动表示为时空图结构,利用时空图卷积网络提取全局动作特征; S2:将对象级时空信息编码为对象级结构化特征序列,对象级结构化特征序列包含对象的外观特征、运动特征及对象间的动态空间关系;在步骤S2中,采用GNN神经网络或Transformer架构对对象级时空信息进行编码;在编码时,将每个被追踪的对象作为图中的节点,节点属性包含对象的分割掩码、外观特征和运动特征,通过GNN神经网络的图卷积层或Transformer架构的自注意力机制学习对象间的动态空间关系; S3:将对象级结构化特征序列作为引导条件输入至条件扩散模型,通过迭代去噪过程生成代表未来视频帧的潜在空间中间特征;在步骤S3中,条件扩散模型为U-Net架构的去噪网络,通过交叉注意力机制将对象级结构化特征序列注入至去噪网络;当通过交叉注意力机制注入时,在去噪网络中引入交叉注意力模块,将对象级结构化特征序列注入至去噪网络,此时以对象级结构化特征序列作为键和值,以去噪网络的特征图作为查询; S4:将代表未来视频帧的潜在空间中间特征解码为像素级的未来视频帧序列,在训练条件扩散模型时,采用的损失函数包含像素级重建损失和对象结构一致性损失;对象结构一致性损失通过对比预测帧的分割结果与真实帧的分割结果之间的交并比损失实现。

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吉林外国语大学,其通讯地址为:130000 吉林省长春市南关区净月大街3658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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。