申请/专利权人：腾讯科技(深圳)有限公司

申请日：2023-11-09

公开（公告）日：2024-04-09

公开（公告）号：CN117851625A

主分类号：G06F16/538

分类号：G06F16/538;G06F16/55;G06F16/535

优先权：

专利状态码：在审-公开

法律状态：2024.04.09#公开

摘要：本申请公开了一种图片描述方法及相关设备，可以获取待描述图片、多模态语言模型以及描述提示文本；将描述提示文本输入至多模态语言模型，通过多模态语言模型对待描述图片进行图片描述，得到符合图片描述规则的第一图片描述文本；其中，描述提示文本为根据样本图片描述文本和预测图片描述文本对图片描述规则对应的初始提示文本进行修正得到，样本图片描述文本根据样本图片和图片描述规则获得，预测图片描述文本由多模态语言模型对样本图片进行图片描述得到，初始提示文本为根据图片描述规则初始化得到。本申请可以降低图片标注过程中的繁琐性，降低工作人员的工作量，提高图片标注过程中的工作效率。

主权项：1.一种图片描述方法，其特征在于，包括：获取待描述图片，所述待描述图片包括需要进行图片描述的图片；获取多模态语言模型以及描述提示文本，所述描述提示文本用于为所述多模态语言模型进行图片描述提供图片描述规则；将所述描述提示文本输入至所述多模态语言模型，通过所述多模态语言模型对所述待描述图片进行图片描述，得到符合所述图片描述规则的第一图片描述文本；其中，所述描述提示文本为根据样本图片描述文本和预测图片描述文本的第一文本差异，对所述图片描述规则对应的初始提示文本进行修正得到，所述样本图片描述文本根据样本图片和所述图片描述规则获得，所述预测图片描述文本由所述多模态语言模型根据所述初始提示文本对所述样本图片进行图片描述得到，所述初始提示文本为根据所述图片描述规则初始化得到。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 一种图片描述方法及相关设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD