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！

龙图腾网获悉天讯瑞达通信技术有限公司申请的专利一种基于多模态视觉大模型的视频态势标签构建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：CN120747825B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510907612.7，技术领域涉及：G06V20/40；该发明授权一种基于多模态视觉大模型的视频态势标签构建方法是由道炜;曹雪松;徐淑珍;李杰明;童玲;孙韶南设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于多模态视觉大模型的视频态势标签构建方法在说明书摘要公布了：本发明属于视频处理技术领域，具体涉及一种基于多模态视觉大模型的视频态势标签构建方法，包括以下步骤：S1：获取待识别视频，并对所述待识别视频进行预处理；S2：将所述视觉特征、文本描述特征及音频特征分别进行特征转换得到可识别视觉文本序列、文本描述序列和音频文本序列，所述视觉文本序列包含时间序列；S3：构建和训练识别模型；S4：将所述视觉文本序列、文本描述序列和音频文本序列输入预设置的识别模型识别所述待识别视频在连续时间内所对应的连续事件发展趋势，从数据预处理阶段到模型构建再到具体的待识别视频的视频帧处理阶段的相互佐证，实现了从视频数据获取到事件趋势分析的精准化与智能化。

本发明授权一种基于多模态视觉大模型的视频态势标签构建方法在权利要求书中公布了：1.一种基于多模态视觉大模型的视频态势标签构建方法，其特征在于：包括以下步骤： S1：获取待识别视频，并对所述待识别视频进行预处理，所述预处理包括按照设定时间长度对所述待识别视频进行切割得到多个连续的视频帧； 并分别提取多个所述视频帧的视觉特征、文本描述特征及音频特征； S2：将所述视觉特征、文本描述特征及音频特征分别进行特征转换得到可识别视觉文本序列、文本描述序列和音频文本序列，所述视觉文本序列包含时间序列； S3：构建和训练预测模型，所述预测模型为多模态Transformer架构作为核心网络，引入时间序列编码模块对连续事件发展趋势进行量化建模；并在样本库中选取与所述待识别视频相似度最高的目标视频构建训练数据集对模型进行训练生成； S4：将所述视觉文本序列、文本描述序列和音频文本序列输入预设置的预测模型识别所述待识别视频在连续时间内所对应的连续事件发展趋势，所述发展趋势为固定类型的事件在不同的时间内的发展进程，输出所述视觉文本序列对应的事件发展进程； S3中，所述预测模型的确定包括： 使用所述多模态Transformer架构的输入端融合视觉特征、文本描述特征及音频特征，通过时空注意力机制提取所述视觉特征和音频特征的帧间时序关联； 所述时间序列编码模块采用自注意力机制结合位置编码和时间编码，将事件发展趋势映射为离散化状态向量，并通过对比学习损失函数优化状态向量的时序连续性。

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天讯瑞达通信技术有限公司，其通讯地址为：510000 广东省广州市天河区华利路19号三楼；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。