买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京水滴科技集团有限公司申请的专利基于多模态大模型的图像信息识别方法以及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121686494B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610189536.5，技术领域涉及：G06V30/41；该发明授权基于多模态大模型的图像信息识别方法以及装置是由沈鹏;张成哲;周晓波;李银锋;冉伟;张金龙设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本基于多模态大模型的图像信息识别方法以及装置在说明书摘要公布了：本发明公开了一种基于多模态大模型的图像信息识别方法以及装置，涉及人工智能技术领域，所要解决的技术问题是图像信息的识别准确性较低，包括：获取证件图像信息；基于多模态视觉语言模型提取所述证件图像信息中的证件类型，并基于所述证件类型的结构化提示词进行视觉化转换，得到视觉化表示；对所述视觉化表示、所述证件图像信息进行融合处理，得到结构化文本表示，并按照所述证件类型对所述结构化文本表示进行结构化关系抽取，得到结构化图像信息识别结果。

本发明授权基于多模态大模型的图像信息识别方法以及装置在权利要求书中公布了：1.一种基于多模态大模型的图像信息识别方法，其特征在于，包括： 获取证件图像信息； 基于多模态视觉语言模型提取所述证件图像信息中的证件类型，并基于所述证件类型的结构化提示词进行视觉化转换，得到视觉化表示； 对所述视觉化表示、所述证件图像信息进行融合处理，得到结构化文本表示，并按照所述证件类型对所述结构化文本表示进行结构化关系抽取，得到结构化图像信息识别结果； 所述基于所述证件类型的结构化提示词进行视觉化转换，得到视觉化表示之前，所述方法还包括： 生成与所述证件类型匹配的结构化提示词，所述结构化提示词包括字段定义词、格式要求词以及关系定义词； 所述基于所述证件类型的结构化提示词进行视觉化转换，得到视觉化表示包括： 基于预设视觉转换组件分别对所述字段定义词、所述格式要求词以及所述关系定义词进行视觉化转换，得到标注图像表示、图表表示以及关系图表示； 所述对所述视觉化表示、所述证件图像信息进行融合处理，得到结构化文本表示包括： 基于所述视觉化表示、所述结构化提示词与所述证件图像信息构建多模态识别输入； 调取多模态视觉语言模型，将所述多模态识别输入作为所述多模态视觉语言模型的输入参数进行识别处理，得到所述结构化文本表示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京水滴科技集团有限公司，其通讯地址为：100102 北京市朝阳区望京利泽中园二区203号-1至8层全部内8层B段802；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。