本发明涉及计算机技术领域，具体公开了一种基于多模态控制的动态视频生成方法、系统。所述方法包括：接收用户提供的至少包含文本描述和参考图像的多模态控制输入；利用预训练网络分别提取文本和图像特征向量；通过多模态融合模块融合特征，生成多模态控制...

本发明涉及数字营销领域，公开了一种面向视频理解的层次化时空语义抽取方法，该方法通过三级渐进式分析框架解析视频内容：首先在关键帧序列中检测物体实例并构建时空轨迹，确保物体身份连续性；继而利用递归神经网络建模物体状态演化规律，量化物体间交互...