技术编号:37544138
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。本申请涉及数据标注,尤其涉及一种多模态数据集自动标注的方法。背景技术、视觉定位(visual grounding)任务涉及图片与文本两个模态,输入图片和实例文本描述后,先分别理解图片和文本描述,再融合图片与文本信息,最后利用融合特征进行定位预测,输出实例描述对应的矩形框。视觉定位数据集的标注分为文本描述与矩形框两部分,其标注复杂度高,人工标注效率低,因此,亟需一种高效的自动标注方法。、随着大模型技术的快速发展,为数据集的自动标注提供了强大的支持。视觉文本多模态模型可生成图片的文本描述,但由于...
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。