申请/专利权人:暗物智能科技(广州)有限公司
申请日:2024-03-12
公开(公告)日:2024-04-12
公开(公告)号:CN117874302A
主分类号:G06F16/901
分类号:G06F16/901;G06F16/906;G06F18/214;G06F18/21;G06F18/22;G06F18/2431;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明提供了一种基于深度融合的全开放词表场景图生成方法及系统,构建深度融合的类不可知的区域生成器,以场景的RGB图像和对应的深度图像为输入,输出2D目标框预测值、实体区域特征和关系区域特征;利用预训练的VLM模型对场景对应的关系类别和属性类别进行编码,获得关系文本特征和属性文本特征,关系类别和属性类别均包括可学习的提示向量;基于关系文本特征和关系区域特征进行分类预测得到多标签的关系分类结果;基于属性文本特征和实体区域特征进行分类预测得到多标签的属性分类结果。本发明生成的目标、关系、属性种类均不受限制,增加深度图作为输入,增强了模型对空间的感知能力,提高模型预测的准确性。
主权项:1.一种基于深度融合的全开放词表场景图生成方法,其特征在于:包括如下步骤:构建深度融合的类不可知的区域生成器,以场景的RGB图像和对应的深度图像为输入,输出2D目标框预测值、实体区域特征和关系区域特征;利用预训练的VLM模型对场景对应的关系类别和属性类别进行编码,获得关系文本特征和属性文本特征,关系类别和属性类别均包括可学习的提示向量;基于关系文本特征和关系区域特征进行分类预测得到多标签的关系分类结果;基于属性文本特征和实体区域特征进行分类预测得到多标签的属性分类结果。
全文数据:
权利要求:
百度查询: 暗物智能科技(广州)有限公司 基于深度融合的全开放词表场景图生成方法及系统
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。