数据压缩处理方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115499635A(43)申请公布日2022.12.20(21)申请号202211148120.7G06V10/40(2022.01)(22)申请日2022.09.20G06V10/762(2022.01)G06V10/764(2022.01)(71)申请人支付宝（杭州）信息技术有限公司G06V10/774(2022.01)地址310000浙江省杭州市西湖区西溪路G06V10/82(2022.01)556号8层B段801-11G06V20/20(2022.01)(72)发明人曹佳炯丁菁汀(74)专利代理机构北京国昊天诚知识产权代理有限公司11315专利代理师付先智(51)Int.Cl.H04N13/161(2018.01)H04N13/275(2018.01)H04N13/332(2018.01)H04N19/149(2014.01)H04N19/85(2014.01)权利要求书3页说明书11页附图3页(54)发明名称数据压缩处理方法及装置(57)摘要本说明书实施例提供了数据压缩处理方法及装置，其中，一种数据压缩处理方法包括：将虚拟世界中的虚拟对象对应的虚拟数据集输入提取模型进行对象数据提取，获得所述虚拟对象的对象数据；基于所述对象数据对所述虚拟对象进行可视特征识别，获得所述虚拟对象的可视特征；读取所述可视特征对应的压缩模型，并将所述对象数据输入所述压缩模型进行数据压缩处理获得压缩数据。CN115499635ACN115499635A权利要求书1/3页1.一种数据压缩处理方法，包括：将虚拟世界中的虚拟对象对应的虚拟数据集输入提取模型进行对象数据提取，获得所述虚拟对象的对象数据；基于所述对象数据对所述虚拟对象进行可视特征识别，获得所述虚拟对象的可视特征；读取所述可视特征对应的压缩模型，并将所述对象数据输入所述压缩模型进行数据压缩处理获得压缩数据。2.根据权利要求1所述的数据压缩处理方法，所述基于所述对象数据对所述虚拟对象进行可视特征识别，获得所述虚拟对象的可视特征，包括：将所述对象数据输入形状识别模型进行形状识别，获得所述虚拟对象的对象形状；其中，所述形状识别模型，基于携带形状标注的标注对象数据样本训练获得。3.根据权利要求2所述的数据压缩处理方法，所述标注对象数据样本，采用如下方式确定：对各虚拟数据集样本进行对象数据提取，获得对象数据样本集；将所述对象数据样本集中各对象数据样本输入特征编码器进行特征编码，获得所述各对象数据样本对应的对象特征；基于所述各对象特征对所述对象数据样本集进行形状聚类处理，获得多个形状类型以及各形状类型下的类型样本集；对所述类型样本集中各对象数据样本进行形状类型标记，获得所述标注对象数据样本。4.根据权利要求3所述的数据压缩处理方法，所述基于所述各对象特征对所述对象数据样本集进行形状聚类处理，获得多个形状类型以及各形状类型下的类型样本集操作执行之后，且所述对所述类型样本集中各对象数据样本进行形状类型标记，获得所述标注对象数据样本操作执行之前，还包括：根据对所述多个形状类型中至少两个形状类型的合并指令，将所述至少两个形状类型下的类型样本集进行合并处理；和/或，根据对任一形状类型下的目标对象数据样本的形状类型切换指令，将所述目标对象样本从所述任一形状类型下的类型样本集转移至目标形状类型下的类型样本集中；和/或，根据对任一形状类型下的任一对象数据样本的删除指令，将所述任一对象数据样本从所述任一形状类型下的类型样本集中删除。5.根据权利要求1所述的数据压缩处理方法，所述压缩模型，采用如下方式训练获得：将所述可视特征下的类型样本集中各对象数据样本输入待训练模型中的压缩编码器进行可视特征识别，输出所述各对象数据样本的压缩样本；将所述压缩样本输入所述待训练模型中的解码器进行数据重建，输出所述各对象数据样本的重建数据；基于所述重建数据和所述对象数据样本计算训练损失，并基于训练损失对所述待训练模型进行参数调整，在训练完成后获得所述压缩模型。2CN115499635A权利要求书2/3页6.根据权利要求1所述的数据压缩处理方法，所述读取所述可视特征对应的压缩模型，包括：在压缩模型集合中读取所述可视特征对应的压缩模型；其中，所述压缩模型集合包括各可视特征对应的压缩模型；所述可视特征对应的压缩模型由所述可视特征对应的压缩编码器和解码器构成。7.根据权利要求6所述的数据压缩处理方法，所述压缩模型集合中各压缩模型，采用如下方式确定：基于各可视特征下的类型样本集进行模型训练，获得各可视特征对应的压缩模型；计算所述各可视特征对应的压缩模型的梯度相关性；若存在梯度相关性大于预设阈值的至少两个压缩模型，则将所述至少两个压缩模型对应的可视特征下的类型样本集进行合并处理；基于合并