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！

龙图腾网获悉众数(厦门)信息科技有限公司申请的专利多模态大模型低资源模态自适应学习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：CN121349810B 。

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：202511917154.1，技术领域涉及：G06F11/30；该发明授权多模态大模型低资源模态自适应学习方法是由姚锋;王筝;吴炳坤;黄世勇;周浩设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本多模态大模型低资源模态自适应学习方法在说明书摘要公布了：本发明提供多模态大模型低资源模态自适应学习方法，涉及数据处理技术领域，所述方法包括：基于凹凸性标识结果将基准拓扑单元中的多边形划分为凸性区域和凹性区域，并对基准拓扑单元进行分割生成多尺度拓扑分区，将低资源模态数据流映射至多尺度拓扑分区的对应域并提取多分辨率结构特征；基于多尺度拓扑分区中的每个多边形计算几何特征参数，将多分辨率结构特征与高资源模态数据流进行匹配，生成异构特征拓扑；将异构特征拓扑进行优化操作，得到深度优化的模型参数配置；对深度优化的模型参数配置进行验证，调整模型超参数集合，得到低资源模态自适应多模态大模型。本发明有效提升多模态大模型对低资源模态的特征提取精度与自适应适配能力。

本发明授权多模态大模型低资源模态自适应学习方法在权利要求书中公布了：1.多模态大模型低资源模态自适应学习方法，其特征在于，所述方法包括： 步骤1，获取包含高资源模态数据与低资源模态数据的多模态输入数据，所述多模态输入数据包括：文本、图像、三维点云和音频四种类型； 步骤2，对多模态输入数据执行深度模态辨识与解耦操作，得到包含高资源模态数据流和低资源模态数据流的模态解耦结果； 步骤3，对低资源模态数据流进行分析，构建几何参考基面，在几何参考基面建立基准拓扑单元，基于基准拓扑单元的多边形顶点坐标序列计算每个顶点处相邻边的向量叉积，基于向量叉积的符号判断得到每个顶点的凹凸性标识结果，具体包括：根据低资源模态类型自适应确定几何参考基面类型，其中文本模态或音频模态对应构建二维语义坐标系，二维图像模态对应构建二维像素坐标系，三维点云模态对应构建三维空间坐标系； 步骤4，基于凹凸性标识结果将基准拓扑单元中的多边形划分为凸性区域和凹性区域，并对基准拓扑单元进行分割生成多尺度拓扑分区，将低资源模态数据流映射至多尺度拓扑分区的对应域并提取多分辨率结构特征，包括：根据凹凸性标识结果对基准拓扑单元中的多边形顶点进行分类，生成凸性顶点集合和凹性顶点集合；基于凸性顶点集合和凹性顶点集合的分布特征，将基准拓扑单元划分为凸性区域和凹性区域；根据凸性区域和凹性区域的几何特征，对基准拓扑单元执行多级细分操作，生成多尺度拓扑分区；将低资源模态数据流按照特征分布与多尺度拓扑分区的空间对应关系进行映射，生成模态数据在拓扑分区中的分布映射；基于模态数据在拓扑分区中的分布映射，从不同尺度的拓扑分区中提取局部结构特征，并将局部结构特征进行融合，生成多分辨率结构特征； 步骤5，基于多尺度拓扑分区中的每个多边形计算几何特征参数，将多分辨率结构特征与高资源模态数据流进行匹配，生成异构特征拓扑； 步骤6，将异构特征拓扑进行优化操作，得到深度优化的模型参数配置； 步骤7，对深度优化的模型参数配置进行验证，调整模型超参数集合，得到低资源模态自适应多模态大模型。

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众数(厦门)信息科技有限公司，其通讯地址为：361000 福建省厦门市火炬高新区软件园一期曾厝垵北路3号科汇楼402室-A184；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。