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！

龙图腾网获悉有米科技股份有限公司申请的专利基于视频和文本的模型训练方法及装置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：CN115240103B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202210705813.5，技术领域涉及：G06V20/40；该发明授权基于视频和文本的模型训练方法及装置是由陈畅新;黄于晏;陈第设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本基于视频和文本的模型训练方法及装置在说明书摘要公布了：本发明公开了一种基于视频和文本的模型训练方法及装置，该方法包括：确定用于训练模型的训练视频和对应的描述文本；对所述训练视频进行抽帧操作，得到所述训练视频对应的多个训练视频帧；将所述多个训练视频帧和所述描述文本输入基于Transformer网络结构的视频重建预测模型进行训练，在训练中计算所述视频重建预测模型输出的多个预测视频帧和输入的所述多个训练视频帧之间的损失函数值，根据所述损失函数值对所述视频重建预测模型的模型参数进行优化直至收敛，得到训练好的所述视频重建预测模型。可见，本发明能够利用了Transformer网络结构的算法优势，使得训练得到的模型能够实现根据文本重建视频的效果。

本发明授权基于视频和文本的模型训练方法及装置在权利要求书中公布了：1.一种基于视频和文本的模型训练方法，其特征在于，所述方法包括： 确定用于训练模型的训练视频和对应的描述文本； 根据所述训练视频的视频参数，确定所述训练视频对应的第一抽帧间隔，所述视频参数包括视频场景参数； 根据所述第一抽帧间隔对所述训练视频进行抽帧操作，得到所述训练视频对应的多个候选视频帧； 对于任意两个相邻的所述候选视频帧，计算该两个候选视频帧之间的画面相似度； 判断所述画面相似度是否满足预设的相似度阈值条件，所述预设的相似度阈值条件用于指示该两个相邻的所述候选视频帧之间发生了画面切换； 若判断结果为是，将该两个候选视频帧确定为关键视频帧； 根据所述多个候选视频帧中的所有所述关键视频帧，确定所述训练视频对应的多个训练视频帧； 将所述多个训练视频帧和所述描述文本输入基于Transformer网络结构的视频重建预测模型进行训练，在训练中计算所述视频重建预测模型输出的多个预测视频帧和输入的所述多个训练视频帧之间的损失函数值，根据所述损失函数值对所述视频重建预测模型的模型参数进行优化直至收敛，得到训练好的所述视频重建预测模型。

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有米科技股份有限公司，其通讯地址为：510006 广东省广州市番禺区小谷围街青蓝街26号1701；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。