申请/专利权人:大湾区大学(筹)
申请日:2023-12-26
公开(公告)日:2024-04-16
公开(公告)号:CN117891913A
主分类号:G06F16/332
分类号:G06F16/332;G06F40/30;G06F18/213
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本申请涉及人工智能技术领域,公开了多模态视听问题的答案预测方法、电子设备及介质,其方法包括:获取视听视频和问题文本;将所述视听视频和所述问题文本送入多模态集成网络,获取所述多模态集成网络输出的视听问题的预测答案;其中,所述多模态集成网络是基于训练集中的视听视频样本、问题文本样本、融合文本特征与基础视觉特征的对比损失、融合文本特征与基础听觉特征的对比损失和所述基础视觉特征与所述基础听觉特征的对比损失,通过优化得到的。本申请至少具有以下有益效果:增强了网络的泛化能力,适应多样化的问题类型。
主权项:1.一种多模态视听问题的答案预测方法,其特征在于,包括以下步骤:获取视听视频和问题文本;将所述视听视频和所述问题文本送入多模态集成网络,获取所述多模态集成网络输出的视听问题的预测答案;其中,所述多模态集成网络是基于训练集中的视听视频样本、问题文本样本、融合文本特征与基础视觉特征的对比损失、所述融合文本特征与基础听觉特征的对比损失和所述基础视觉特征与所述基础听觉特征的对比损失,通过优化得到的。
全文数据:
权利要求:
百度查询: 大湾区大学(筹) 多模态视听问题的答案预测方法、电子设备及介质
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。