一种用于事件流的多模态大模型解译方法

本发明公开了一种用于事件流的多模态大模型解译方法，解决了多模态大模型对事件流感知解译难的问题，属于计算机视觉领域；包括：将极性事件流数据重构为灰度图像序列；通过Lucas‑Kanade光流算法判断是否需要运动放大，是则进行傅里叶变换、复数可操控金字塔和S变换，并通过带通滤波器去噪，使用双向差分方法结合放大参数进行增强；将增强相位分量特征子带与幅值分量特征子带融合，恢复空间分辨率得到重构频域信号；通过逆傅里叶变换得到运动放大的灰度图像序列，计算归一化互相关参数动态调整放大参数；将运动放大的灰度图像序列输入多模态大模型中输出解译事件描述；本发明实现了多模态大模型对事件流的有效感知和精准解译。