集思谱需要我帮你解读这件专利吗？
公开（公告）号CN122967172A | 申请号CN202611064737.9 | 专利类型发明专利 |
状态在审 | 国家或地区CN | 申请人光轮智能（北京）科技股份有限公司 |
分类号G06V20/40(2022.01), G06V20/70(2022.01), G06V10/74(2022.01) | 申请日2026-07-17 | 公开日2026-10-23 |
发布日期2026-10-23 | 文档 ID84601335560700000 | 源数据页码40 |
专利语言zh | ||
本发明涉及计算机视觉技术领域，具体提供一种视频动作标注中跨片段物体名称一致化方法及系统，旨在解决因分块推理导致视觉语言模型对同一物体生成不一致称谓的问题。该方法包括：在VLM对视频各分块片段推理时，增量构建物体注册表；在处理当前分块片段前，将已注册物体的结构化信息序列化为文本快照并填充至VLM的提示词中；从VLM输出的动作标注中解析出物体属性信息，并将其与注册表中的已注册物体进行语义相似度计算；并找出最大相似度值，根据最大相似度值通过预设的多级匹配策略确定复用候选已注册物体的规范名称还是新建新的规范名称。本发明实现了物体称谓的跨片段一致化，提高了标注的准确性和鲁棒性。
附图 1