基于LLM和ANN的数字人生成方法及其在云视频的应用

专利主权项内容

1.基于LLM和ANN的数字人生成方法，其特征在于，包括以下步骤：基于捕获的视频数据，采用渐进式关键帧优化技术，通过卷积神经网络的边缘检测算法分析视频帧的特征，自动识别出关键帧，并筛除非关键帧，进行视频数据处理和关键帧的优化处理，生成关键帧数据集；基于所述关键帧数据集，采用基于子空间学习的特征分离算法，通过独立成分分析进行统计独立性分析，分离混合信号源，再通过主成分分析进行数据维度调整并突出关键特征，生成特征分离数据集；基于所述特征分离数据集，采用自动化特征提取与优化算法，通过遗传算法和模拟退火技术，在多维参数空间中寻找匹配的解决方案同时避免局部匹配解决方案情况出现，进行参数调整和优化，生成优化特征参数集；基于所述优化特征参数集，采用基于流形学习的特征映射优化技术，通过非线性降维算法分析数据的内在几何结构，捕获特征间的相互作用，进行映射优化处理，生成映射优化后的特征集；基于所述特征分离数据集、优化特征参数集和映射优化后的特征集，采用异构数据集成与优化框架，通过深度学习融合技术和协同过滤算法，对多类数据特征进行匹配和关联分析，进行数据源间的同步和整合，生成多源特征融合数据集；基于所述多源特征融合数据集，采用数据驱动的实时优化策略，通过性能指标监控和异常检测方法，对模型性能的连续评估和分析，进行ANN模型的实时监控和调整，采用基于反射网络的性能调优机制，通过动态调整神经网络的层级和节点数量，根据处理需求优化网络结构，并进行性能调整，生成优化后的ANN模型；基于所述优化后的ANN模型，采用深度学习和自然语言处理技术，通过循环神经网络和注意力机制法，执行模式识别和语义关系挖掘，对所述多源特征融合数据集进行语义分析和提升，结合所述优化后的ANN模型进行数字人的初步生成，再结合LLM模型优化数字人在语言交互和情感表达方面的自然度和准确性，生成成型的数字人。