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！

龙图腾网获悉山东大学申请的专利一种视频-语言理解方法及系统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：CN117251821B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311179398.5，技术领域涉及：G06F18/25；该发明授权一种视频-语言理解方法及系统是由甘甜;王霄;高晋飞;聂礼强设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种视频-语言理解方法及系统在说明书摘要公布了：本发明提出了一种视频‑语言理解方法及系统，涉及视频理解技术领域，获取待理解的视频和文本；基于训练好的理解模型，处理输入的视频和文本，生成最终理解结果；其中，所述理解模型包括视频编码器和文本查询组件，视频编码器包括聚类组件、时序组件；利用聚类组件对视频中所有视频帧的图像块进行筛选，得到消除冗余信息后的视频帧嵌入；通过时序组件重建视频帧嵌入之间的时序依赖关系，得到视频特征矩阵；基于视频特征矩阵，通过文本查询组件进行文本的嵌入，得到最终理解结果；本发明综合考虑信息冗余、时间依赖性和场景的复杂性这三个挑战，提出由三个关键组件组成的理解模型，每个组件针对特定的挑战，显著提升智能体的视频‑语言理解能力。

本发明授权一种视频-语言理解方法及系统在权利要求书中公布了：1.一种视频-语言理解方法，其特征在于，包括： 获取待理解的视频和文本； 基于训练好的理解模型，处理输入的视频和文本，生成最终理解结果； 其中，所述理解模型包括视频编码器和文本查询组件，视频编码器包括聚类组件、时序组件；利用聚类组件对视频中所有视频帧的图像块进行筛选，得到消除冗余信息后的视频帧嵌入；通过时序组件重建视频帧嵌入之间的时序依赖关系，得到视频特征矩阵；基于视频特征矩阵，通过文本查询组件进行文本的嵌入，得到最终理解结果； 所述理解模型至少能处理文本-视频跨模态检索任务、视频描述生成任务或视频问答任务； 所述时序组件中，使用信息标记机制，重建视频帧嵌入之间的时序依赖关系，具体为： 将消除冗余信息后的视频帧嵌入输入ViT-ATM层，得到具有时序依赖性的视频特征矩阵；ViT-ATM层是对VisionTransformer模型的进一步改进，添加了时间模块以处理视频数据序列； 所述时间模块，用于捕获视频序列中不同帧之间的关系，并学习到它们之间的时序特征，具体为： 在第层ViT前，在视频帧嵌入前链接[cls]token来生成信息标记嵌入，然后利用这些信息标记执行SA来获得视频帧之间的时序依赖： 并将时序依赖嵌入和其他帧嵌入一同送入第层ViT层得到图像块嵌入。

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山东大学，其通讯地址为：266237 山东省青岛市即墨滨海路72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”。

以上内容由龙图腾AI智能生成。