申请/专利权人:中国人民解放军国防科技大学
申请日:2023-11-13
公开(公告)日:2024-03-29
公开(公告)号:CN117786473A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06F18/213;G06F16/36;G06N3/0455;G06F18/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本申请涉及一种基于通识大模型的私有知识视觉内容生成方法和装置。所述方法包括:获取数据集和当前业务模式所需的企业私有图像;构建视觉内容生成模型;视觉内容生成模型包括多模态信息输入模块、多模态信息抽取模块和通识大型语言模型;根据数据集和多个企业私有图像对视觉内容生成模型进行两阶段训练,得到训练好的视觉内容生成模型;获取用户输入的图像和对话指令,将图像‑文本对输入训练好的视觉内容生成模型,得到对话指令对应的视觉内容。采用本方法能够对企业私有知识进行理解学习,提高企业用户所需视觉内容的准确性和可靠性。
主权项:1.一种基于通识大模型的私有知识视觉内容生成方法,其特征在于,所述方法包括:获取用于第一阶段训练的第一训练集和用于第二阶段训练的第二训练集;第一训练集包括若干图像文本对;第二训练集包括若干当前业务模式所需的企业私有图像;构建视觉内容生成模型;所述视觉内容生成模型包括多模态信息输入模块、多模态信息抽取模块和通识大型语言模型;所述多模态信息输入模块用于获取图像文本对;通过所述多模态信息抽取模块分别对图像文本对中的图像和文本描述进行特征提取,得到视觉特征向量序列和文本特征向量序列,根据所述视觉特征向量序列和所述文本特征向量序列,得到对应的多模态知识图谱,根据多模态知识图谱得到多模态特征向量;通过所述通识大型语言模型对所述多模态特征向量和所述文本描述对应的文本特征向量序列进行处理,生成对应的视觉内容;根据所述第一训练集和第二训练集对所述视觉内容生成模型进行两阶段训练,得到训练好的视觉内容生成模型;获取用户输入的图像和对话指令,将图像和对话指令输入所述训练好的视觉内容生成模型,得到所述对话指令对应的视觉内容。
全文数据:
权利要求:
百度查询: 中国人民解放军国防科技大学 基于通识大模型的私有知识视觉内容生成方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。