原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种结合图像描述和文本生成图像的视觉语言导航方法，属于视觉语言导航技术领域。该方法为：获取视觉语言导航任务的自然语言目标指令和当前所处位置的视觉图像；通过场景描述模块生成基于当前场景的详尽自然语言描述；通过文本生成图像模型生成与所描述场景有着类似核心物品对象以及核心场景布局的相似场景；将当前场景和对应相似场景通过多层Transformer结构和细尺度跨模态编码器进行编码；将当前场景编码和相似场景编码动态融合生成综合考虑了当前真实场景和对应相似场景的融合动作预测。该方法通过为任务训练提供
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117571014A
(43)申请公布日2024.02.20
(21)申请号202311520271.5G06N3/0455(2023.01)
文档评论（0）