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技术大学申请的专利视频理解大模型优化与评估方法、系统、设备及存储介质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：CN119888581B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510349413.9，技术领域涉及：G06V20/40；该发明授权视频理解大模型优化与评估方法、系统、设备及存储介质是由谢洪涛;张勇东;孙一玮;刘传彬设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本视频理解大模型优化与评估方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种视频理解大模型优化与评估方法、系统、设备及存储介质，它们还是一一对应的方案，方案中：设计了新的连接器结构以提升全局时序理解能力，其包含时空下采样器，局部双向Mamba结构以及线性层组成。时空下采样器能够降低令牌存储开销；同时，局部双向Mamba结构，一方面弥补了感受野受限的问题，另一方面其能够同时建模帧内特征和帧间特征；此外，该连接器的训练是低成本的，并且使用了三阶段的渐进式训练策略，可以对抗灾难性遗忘；并且，还构建了半自动化数据生成管道并基于此管道提出了全局时序理解数据，以弥补现有基准领域在该能力上的评估空缺。

本发明授权视频理解大模型优化与评估方法、系统、设备及存储介质在权利要求书中公布了：1.一种视频理解大模型优化与评估方法，其特征在于，包括： 构建包含依次连接的时空下采样器、局部双向Mamba结构与线性层的连接器，并与视觉编码器及大语言模型构成视频理解大模型；其中，所述时空下采样器与局部双向Mamba结构之间还采用残差结构，Mamba为选择性状态空间模型； 对所述视频理解大模型进行三阶段渐进式训练；第一阶段中，采用描述形式的视频文本对和图像文本对训练局部双向Mamba结构；第二阶段中，采用描述形式的视频文本对训练整个连接器；第三阶段中，采用多选形式和描述形式的视频文本对训练连接器与大语言模型； 采用半自动化的数据生成管道，构建全局时序理解数据集，包括：构建包含时序线索消除管道和幻觉生成管道的半自动化的数据生成管道；收集带有视频事件序列的视频数据形成原始数据集，并输入至半自动化的数据生成管道，原始数据集中的每一样本包含视频及视频事件序列；所述时序线索消除管道对原始数据集中的每一视频事件序列进行语义线索消除，再过滤掉包含常识线索的视频事件序列，输出的视频事件序列为不包含常识线索，且经过语义线索消除的视频事件序列；所述时序线索消除管道输出的视频事件序列进入幻觉生成管道，生成幻觉事件；将所述时序线索消除管道输出的视频事件序列与幻觉生成管道生成的幻觉事件进行整合并打乱，构建出全局时序理解数据集，即包含幻觉事件的重排数据集； 使用全局时序理解数据集构造特定指令微调训练集，并对三阶段渐进式训练后的视频理解大模型进行微调训练，再使用所述全局时序理解数据集对微调训练的视频理解大模型进行性能评估。

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技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。