公开(公告)号：CN119790426A

公开(公告)日：2025-04-08

申请号：CN202380063238.6

申请日：2023-03-20

Applicant: 三星电子株式会社

Inventor： 李文博 ,  莫志鹏 ,  魏毅 ,  B·乌兹肯特 ,  娄钱 ,  沈逸麟 ,  金红霞

IPC: G06T5/50 ,  G06T3/40 ,  G06T3/4007 ,  G06T3/4046 ,  G06N20/00

Abstract: 一种方法包括获得原始图像数据，其中原始图像数据包括数据值，每个数据值具有最高有效位和最低有效位。该方法还包括将原始图像数据提供给经训练的机器学习模型并且使用经训练的机器学习模型生成经处理的图像数据。该方法还包括基于经处理的图像数据呈现图像。经训练的机器学习模型被训练成基于原始图像数据的数据值的最低有效位来调制与原始图像数据的数据值的最高有效位相关联的特征图，以便生成原始图像数据的数据值的最高有效位和最低有效位的融合。

公开(公告)号：CN119948490A

公开(公告)日：2025-05-06

申请号：CN202380068894.5

申请日：2023-09-26

Applicant: 三星电子株式会社

Inventor： 高尚谦 ,  B·乌兹肯特 ,  沈逸麟 ,  金红霞

IPC: G06N3/0455 ,  G06N3/08 ,  G06N3/0499 ,  G06F16/9032 ,  G06F16/9038 ,  G06F16/432 ,  G06F16/532 ,  G06F16/56

Abstract: 一种通过使用包括文本编码器和视觉编码器的多模态模型来执行多模态任务的方法可以包括经由文本编码器从查询中获得文本特征，经由视觉编码器从一个或多个输入图像中获得图像特征，以及基于文本特征和图像特征之间的相似性输出对查询的响应，其中根据由超网络生成的共享向量和剪枝向量来剪枝和共享文本编码器和视觉编码器的权重向量，并且其中超网络和多模态模型被联合训练，以最小化文本编码器和视觉编码器中权重向量之间的差异、文本编码器的不同层中权重向量之间的差异和多模态模型中的参数数量中的至少一个。