買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜石家莊鐵道大學申請的專利基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119693862B 。

龍圖騰網通過國家知識產權局官網在2025-06-03發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510209492.3，技術領域涉及：G06V20/40；該發明授權基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法是由張云佐;薛麗燁;連瑋琪;王輝;張璐琦;孫玉川;王書海設計研發完成，并于2025-02-25向國家知識產權局提交的專利申請。

本基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法在說明書摘要公布了：本發明公開了一種基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法。所述方法包括：讀取視頻幀序列，并利用特征提取器提取幀級視覺特征；將幀級視覺特征輸入視頻摘要生成模型，通過模型生成每個幀的重要性得分向量；構建目標函數，優化幀選擇器的選擇準確性，并結合生成對抗網絡的判別器，迭代優化模型參數，使得視頻摘要生成模型能夠從無標簽視頻中有效學習幀的重要性和時序特征；最后，利用上述訓練得到的視頻摘要生成模型，根據重要性預測得分，選擇出最具代表性的幀，并生成最終的視頻摘要。所提方法可以有效地捕獲視頻關鍵幀的多樣性和代表性，并且建模視頻序列中長距離時間依賴。

本發明授權基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法在權利要求書中公布了：1.一種基于對比學習和注意驅動對抗網絡的無監督視頻摘要生成方法，其特征在于，包括以下步驟：S1：讀取視頻幀序列，并利用特征提取器提取幀級視覺特征ft；S2：將幀級視覺特征ft輸入視頻摘要生成模型，通過模型生成每個幀的重要性得分向量，所述視頻摘要生成模型包括：對比幀選擇器：所述對比幀選擇器接收線性壓縮層處理后的特征ft’，輸出特征St，通過對比學習計算幀之間的相似度，自動選擇最具代表性的幀，通過對比損失，將相似幀聚集，不相似幀推遠，優化幀的選擇，確保視頻摘要包含具有信息量和代表性的幀；所述線性壓縮層的輸入是幀級視覺特征ft，輸出為特征ft’；多頭注意力自動編碼器：所述多頭注意力自動編碼器接收來自所述對比幀選擇器處理前后的加權特征向量Wt，利用多頭注意力機制并行建模幀特征，捕捉幀間復雜的時序關系和多維信息；通過解碼器重構特征，提取視頻中關鍵視覺信息；所述加權特征向量通過對比幀選擇器輸出的特征St與對比幀選擇器前產生的特征ft’進行加權得到；生成對抗網絡模塊：所述生成對抗網絡模塊包含生成器和判別器，生成器根據輸入特征生成樣本，模仿真實數據分布；判別器則判定生成樣本與真實樣本的差異，兩者通過對抗訓練互相優化，生成器不斷改進生成質量，判別器提高區分真假樣本的能力；所述多頭注意力自動編碼器的解碼器作為生成對抗網絡模塊的生成器，該解碼器生成器輸出的重構特征作為判別器的輸入；重要性預測模塊：所述重要性預測模塊接收來自所述生成對抗網絡模塊的幀特征，通過分析每一幀的視覺信息，預測幀的重要性得分，從而確定各幀在視頻摘要中的重要性程度；S3：構建目標函數，優化幀選擇器的選擇準確性，并結合生成對抗網絡模塊的判別器，迭代優化模型參數，使得視頻摘要生成模型能夠從無標簽視頻中有效學習幀的重要性和時序特征；S4：利用S3訓練得到的視頻摘要生成模型，對輸入視頻執行上述S1和S2步驟，根據重要性預測得分，選擇出最具代表性的幀，并生成最終的視頻摘要。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人石家莊鐵道大學，其通訊地址為：050043 河北省石家莊市長安區北二環東路17號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。