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。