技术编号:36169838
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。.本发明属于多模态视觉语言理解与定位技术领域,尤其涉及一种元学习视觉语言理解与定位方法。背景技术.视觉语言理解与定位(visual grounding,vg)是指通过自然语言表达来准确定位图像中的目标区域或对象。简单来说,就是通过输入一张图片和对应的物体文本描述,输出被描述物体在图片中的定位框坐标。在视觉语言理解与定位任务中,被描述的物体通常由文本描述中的一个或多个信息片段来指定。信息可能包括物体对象属性、外观属性和视觉关系上下文等。视觉语言理解与定位任务结合了计算机视觉和自然语言理解,以增...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。