一种面向高速异常曝光场景的多模态大模型上下文理解方法

本发明涉及智慧交通技术领域，公开了一种面向高速异常曝光场景的多模态大模型上下文理解方法，第一步，针对视频数据的复杂时空结构，采用旋转位置嵌入（RoPE）变体进行编码获得时序特征，第二步，将时序特征与文本特征结合，形成时序+文本的多模态数据输入，第三步，根据输入的多模态数据特征动态预测拉普拉斯金字塔分解核的权重，第四步，在特征金字塔的每一层对特征进行提炼和转换，逐层重建至原始分辨率，生成校正后的图像，第五步，在训练过程中，结合像素重建损失、对抗性损失和内核损失，优化模型参数，第六步，将校正后的图像输入事件理解模块，识别并分类场景中的各类事件，实现语义理解。