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！

龙图腾网获悉中国科学院自动化研究所申请的专利生成式文本与图像的跨模态检索方法以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：CN121210703B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511085717.5，技术领域涉及：G06F16/583；该发明授权生成式文本与图像的跨模态检索方法以及装置是由张腊;朱宽;郭海云;王金桥设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本生成式文本与图像的跨模态检索方法以及装置在说明书摘要公布了：本发明提供一种生成式文本与图像的跨模态检索方法以及装置，应用于信息检索技术领域，其中，包括：将图像候选集中的图像样本输入至多模态大语言模型的视觉编码器，得到离散图像令牌序列；基于离散图像令牌序列进行图像令牌字典树构建，得到图像令牌字典树；基于文本样本和离散图像令牌序列的标注数据，对多模态大语言模型进行监督微调训练，得到监督微调模型；基于群体相对策略优化算法对监督微调模型进行强化学习优化，得到生成式多模态检索模型；将查询文本输入至生成式多模态检索模型进行受限制束搜索，得到生成式多模态检索模型输出的查询文本对应的图像检索结果。通过本发明能够优化生成式文本与图像的跨模态检索的准确率。

本发明授权生成式文本与图像的跨模态检索方法以及装置在权利要求书中公布了：1.一种生成式文本与图像的跨模态检索方法，其特征在于，包括： 将图像候选集中的图像样本输入至多模态大语言模型的视觉编码器进行图像转换，得到离散图像令牌序列； 基于所述离散图像令牌序列进行图像令牌字典树构建，得到图像令牌字典树； 获取文本样本及所述文本样本对应的离散图像令牌序列的标注数据； 基于所述文本样本和所述离散图像令牌序列的标注数据，对所述多模态大语言模型进行监督微调训练，以学习所述文本样本和所述离散图像令牌序列之间的映射关系，得到监督微调模型； 基于群体相对策略优化算法对所述监督微调模型进行强化学习优化，得到生成式多模态检索模型； 获取输入的查询文本，将所述查询文本输入至所述生成式多模态检索模型进行受限制束搜索，得到所述生成式多模态检索模型输出的所述查询文本对应的图像检索结果，其中，所述受限制束搜索是基于所述图像令牌字典树的； 所述基于所述文本样本和所述离散图像令牌序列的标注数据，对所述多模态大语言模型进行监督微调训练，以学习所述文本样本和所述离散图像令牌序列之间的映射关系，得到监督微调模型，包括： 按照以下公式，对所述多模态大语言模型进行监督微调训练： ； 其中，表示监督微调损失值，表示离散图像令牌序列的总数量，表示与所述文本样本对应的第个真实的离散图像令牌序列，表示所述第个真实的离散图像令牌序列之前的已生成的离散图像令牌序列； 所述群体相对策略优化算法的策略目标函数为： ； 其中，表示策略目标函数，表示监督微调模型，表示离散图像令牌序列的总数，表示第个离散图像令牌序列，表示第个离散图像令牌序列的第个步长的待生成令牌，表示文本样本，表示第个离散图像令牌序列的第个步长之前的已生成令牌，表示监督微调模型的待优化策略，表示监督微调模型的无梯度策略，表示监督微调模型的参考策略，表示优势值，表示KL权重，表示KL散度。

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中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95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。