对比文件名称：2018-02-20_US9897450B_发明授权_US09897450B2 Method and apparatus to obtain differential location information
目标专利名称：709一种用于人工智能的装置和方法CN112740715B
本次调用的模型名称：gemini-3-pro
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| 技术特征A：包括：接收采用容器文件格式的视觉数据 | [0004] In an exemplary aspect of the invention, there is a method, comprising: determining, by a media recording device, a differential location sample identifying a current location in time associated with the media recording device relative to a reference location; and at least one of storing and transmitting, by the media recording device, the differential location sample in an audio-visual media file. <br>（在一示例性方面，提供了一种方法，包括：由媒体记录设备确定差分位置样本，该差分位置样本标识与媒体记录设备关联的相对于参考位置的当前时间位置；以及由媒体记录设备存储和传输中的至少一者，将差分位置样本存储在音频-视觉媒体文件中。）<br><br>[0008] In another exemplary aspect of the invention, there is a method comprising: receiving, by a parser device, a plurality of differential location samples of an audio-visual media file...<br>（在另一示例性方面，提供了一种方法，包括：由解析器设备接收音频-视觉媒体文件的多个差分位置样本...） | 对比文件公开了一种用于在音频-视觉媒体文件中存储和传输差分位置信息的方法。该方法涉及媒体记录设备或解析器设备处理音频-视觉媒体文件。然而，对比文件中的“音频-视觉媒体文件”是作为存储和读取差分位置样本的载体，其核心在于处理位置数据，而非目标专利中所述的“视觉数据”，目标专利中的“视觉数据”是作为人工智能处理的输入对象，用于检测其中的内容元素。两者处理的数据对象和在整体技术方案中扮演的角色完全不同。因此，对比文件未公开本技术特征。 |
| 技术特征B：通过使用多个基于人工智能的处理算法的多个过程来处理所述视觉数据以检测一个或多个内容元素 | [0053] Inertial Navigation System is explained in U.S. Pat. No. 3,509,765. <br>（美国专利3,509,765中解释了惯性导航系统。）<br><br>[0067] In an embodiment, differential location information may depend on the initial velocity and motion sensor data (e.g. accelerometer sensor) provided by the recording device. <br>（在一实施例中，差分位置信息可取决于由记录设备提供的初始速度和运动传感器数据（例如，加速度计传感器）。） | 对比文件通篇教导了一种使用传感器（如加速度计、高度计）数据来计算和存储差分位置信息的方法。其使用的算法是用于处理传感器数据以推导位置变化的算法（例如惯性导航系统算法），而不是用于处理视觉数据以检测内容元素（如对象、人脸等）的“基于人工智能的处理算法”。对比文件完全没有提及使用人工智能、神经网络或机器学习来处理视觉内容。因此，对比文件未公开本技术特征。 |
| 技术特征C：存储所检测到的一个或多个内容元素和关于用于检测所述一个或多个内容元素的所述多个基于人工智能的处理算法的多个过程的信息，作为元数据 | [0004] ...at least one of storing and transmitting, by the media recording device, the differential location sample in an audio-visual media file.<br>（...由媒体记录设备存储和传输中的至少一者，将差分位置样本存储在音频-视觉媒体文件中。）<br><br>[0066] In an embodiment, a sequence of differential locations is obtained e.g. from one or more sensors...The sequence of differential locations is stored in a media file...<br>（在一实施例中，从例如一个或多个传感器获得差分位置序列...该差分位置序列被存储在媒体文件中...） | 对比文件公开了将计算得到的“差分位置样本”作为元数据存储在媒体文件中。然而，该元数据是关于设备的位置信息，而非目标专利所述的“所检测到的一个或多个内容元素”以及关于“基于人工智能的处理算法的过程的信息”。对比文件存储的元数据内容和性质与目标专利完全不同。因此，对比文件未公开本技术特征。 |
| 技术特征D：通过使用第一指示和第二指示来指示所述多个基于人工智能的处理算法的多个过程之间的依赖关系 | [0039] The track referencing mechanism of ISOBMFF enables to indicate a directional link, reference, or dependency from one track to another. The track references are typed, and hence the exact semantics of the type of the relation between the indicated tracks depends on the track reference type.<br>（ISOBMFF的轨道引用机制能够指示从一个轨道到另一个轨道的定向链接、引用或依赖关系。轨道引用是有类型的，因此所指示轨道之间关系的确切语义取决于轨道引用类型。）<br><br>[0071] In an embodiment, a timed metadata track representing the sequence of differential locations is indicated to refer to one or more media tracks with the track referencing mechanism of ISOBMFF. For example, the ‘cdsc’ track reference type may be used.<br>（在一实施例中，用ISOBMFF的轨道引用机制来指示表示差分位置序列的定时元数据轨道引用一个或多个媒体轨道。例如，可以使用‘cdsc’轨道引用类型。） | 对比文件公开了使用轨道引用机制来指示元数据轨道与媒体轨道之间的依赖关系。但这是一种通用的文件格式机制，用于关联不同类型的数据轨道。对比文件并未将其应用于指示“多个基于人工智能的处理算法的多个过程之间的依赖关系”。对比文件中不存在多个AI处理过程，因此也就谈不上指示它们之间的依赖关系。因此，对比文件未公开本技术特征。 |
| 技术特征E：其中，所述第一指示表示包含人工智能有效载荷的人工智能项 | [0042] Files conforming to the ISOBMFF may contain any non-timed objects, referred to as items, meta items, or metadata items, in a meta box...The meta box may list and characterize any number of items that can be referred and each one of them can be associated with a file name and are uniquely identified with the file by item identifier (item_id) which is an integer value.<br>（符合ISOBMFF的文件可以在元盒中包含任何非定时对象，称为项、元项或元数据项...该元盒可以列出和表征可被引用的任意数量的项，并且它们中的每一个都可以与文件名相关联，并通过作为整数值的项标识符（item_id）在文件中被唯一标识。） | 对比文件公开了ISOBMFF文件中存在“项（items）”的通用概念，用于承载元数据或媒体数据。然而，对比文件并未定义或公开一个表示“包含人工智能有效载荷的人工智能项”的特定指示。对比文件中的项用于存储差分位置样本或传感器属性，与人工智能无关。因此，对比文件未公开本技术特征。 |
| 技术特征F：并且其中，所述第二指示表示被用作用于生成所述多个基于人工智能的处理算法的多个过程的结果的输入的项 | [0039] The track referencing mechanism of ISOBMFF enables to indicate a directional link, reference, or dependency from one track to another.<br>（ISOBMFF的轨道引用机制能够指示从一个轨道到另一个轨道的定向链接、引用或依赖关系。）<br><br>[0042] ...The meta box may list and characterize any number of items that can be referred...<br>（...该元盒可以列出和表征可被引用的任意数量的项...） | 对比文件公开了通过轨道引用或项引用建立数据之间依赖关系的通用机制。但是，对比文件并未公开一个用于指示“被用作用于生成所述多个基于人工智能的处理算法的多个过程的结果的输入的项”的第二指示。对比文件中没有AI处理过程，也没有将某个项作为AI过程的输入来生成结果的教导。因此，对比文件未公开本技术特征。 |
| 技术特征G：将所述元数据包括到与所述视觉数据相关联的所述容器文件中。 <br>《隐含公开》 | [0066] ...The sequence of differential locations is stored in a media file in a manner that its synchronization with timed media, such as audio and video, stored in the media file is enabled.<br>（...差分位置序列以使其能够与存储在媒体文件中的定时媒体（例如音频和视频）同步的方式被存储在媒体文件中。）<br><br>[0092] These samples are referenced by a ‘timed meta track’ in the file and have matching timestamps with the audio/visual data...Hence, any audio/visual data with relevant time information may have a related sensor data stored as differential location sample.<br>（这些样本被文件中的“定时元轨道”引用，并与音频/视觉数据具有匹配的时间戳...因此，任何具有相关时间信息的音频/视觉数据都可以具有存储为差分位置样本的相关传感器数据。） | 对比文件明确教导了将差分位置信息作为元数据存储在符合ISOBMFF的媒体文件中，并且该元数据通过定时元数据轨道与文件中的音频/视觉数据在时间上相关联。这隐含了将某种元数据（尽管不是AI元数据）包括到与视觉数据相关联的容器文件中的技术方案。本领域技术人员可以从对比文件中获得启示，将处理视觉数据后产生的元数据包含回该文件自身或相关联的文件中。 |
| 技术特征H：其中，所述容器文件包括第一盒，所述第一盒包括关于基于人工智能的处理算法的元数据。 | [0073] SensorPropertiesBox: Information and specification data of the sensor that provided the samples. <br>（SensorPropertiesBox：提供样本的传感器的信息和规格数据。）<br><br>[0073] class SensorPropertiesBox extends FullBox(‘sens’, version = 0, 0) { <br>unsigned int(8) sensor_type;<br>string sensor_vendor;<br>string sensor_version;...}<br>（类 SensorPropertiesBox 扩展 FullBox(‘sens’, version = 0, 0) { 无符号整型(8) sensor_type; 字符串 sensor_vendor; 字符串 sensor_version;...}） | 对比文件定义了一个`SensorPropertiesBox`盒，用于包含传感器的类型、供应商、版本等信息。这是关于用于获取位置数据的传感器的元数据，而不是关于“基于人工智能的处理算法”的元数据。对比文件完全没有提及AI算法及其元数据。因此，对比文件未公开本技术特征。 |
| 技术特征I：其中，所述容器文件包括第二盒，所述第二盒包括关于所述一个或多个内容元素的元数据。 | [0073] DifferentialLocationSampleEntry: Sample entry definition to indicate differentially located samples are present in the track. This entry may also contain the sensors specific properties such as vendor name, error rates, version, etc.<br>（DifferentialLocationSampleEntry：样本条目定义，用于指示轨道中存在差分定位的样本。该条目还可包含传感器特定属性，如供应商名称、错误率、版本等。）<br><br>[0084] aligned(8) class DifferentialLocationSample { ... int(32) acceleration_x; int(32) acceleration_y; int(32) acceleration_z; } <br>（对齐(8) 类 DifferentialLocationSample { ... 整型(32) acceleration_x; 整型(32) acceleration_y; 整型(32) acceleration_z; }） | 对比文件定义了`DifferentialLocationSampleEntry`和`DifferentialLocationSample`等数据结构，用于包含差分位置样本数据（如加速度值）。这些是关于设备位置/运动的元数据，而不是关于目标专利中通过AI检测出的“一个或多个内容元素（如对象、人脸等）”的元数据。对比文件未公开本技术特征。 |
| 技术特征J：其中，所述容器文件包括第三盒，所述第三盒包括关于多个基于人工智能的处理算法的过程的元数据。 | [0073] A new box type of DifferentialLocationSampleEntry box can be defined as follows...<br>（可以如下定义一个新的DifferentialLocationSampleEntry盒类型...）<br><br>[0084] A new sample format can be defined to store the differential sample data.<br>（可以定义一个新的样本格式来存储差分样本数据。） | 对比文件公开了用于存储差分位置数据及其相关传感器信息的盒和样本格式。然而，这些数据结构旨在描述一个单一的过程——即位置变化的计算和存储过程。对比文件并未公开一个包含关于“多个基于人工智能的处理算法的过程”的元数据的第三盒。对比文件中既不存在多个过程，也不存在AI处理算法。因此，对比文件未公开本技术特征。 |
| 技术特征K：其中，所述容器文件包括图像序列或视频，并且其中，所述容器文件包括用于包含所述元数据的媒体轨道的媒体样本定义。 <br>《隐含公开》 | [0045] An image sequence may be defined as a sequence of images which may be associated with advisory timing and in which images may be inter predicted. In the MPEG-H Image File Format, image sequences are stored according to the track mechanism of the ISOBMFF.<br>（图像序列可以定义为可与建议定时相关联并且其中图像可被间预测的图像序列。在MPEG-H图像文件格式中，图像序列根据ISOBMFF的轨道机制来存储。）<br><br>[0073] DifferentialLocationSampleEntry: Sample entry definition to indicate differentially located samples are present in the track. <br>（DifferentialLocationSampleEntry：样本条目定义，用于指示轨道中存在差分定位的样本。） | 对比文件提到了MPEG-H图像文件格式（HEIF）中存储图像序列，并定义了用于在轨道中存储差分位置元数据的样本条目`DifferentialLocationSampleEntry`。这隐含了在包含图像序列或视频的容器文件中，使用特定的媒体样本定义为元数据轨道定义格式的技术方案。虽然对比文件的元数据是位置信息，但其文件格式层面的结构（用样本条目定义元数据轨道）与本技术特征是相通的。 |
| 技术特征L：其中，所述容器文件包括用于定义容器与包括所述容器文件中的信息的其他实体之间的关联的关系定义。 <br>《隐含公开》 | [0039] The track referencing mechanism of ISOBMFF enables to indicate a directional link, reference, or dependency from one track to another. <br>（ISOBMFF的轨道引用机制能够指示从一个轨道到另一个轨道的定向链接、引用或依赖关系。）<br><br>[0041] The track grouping mechanism of ISOBMFF can be used to indicate that tracks are grouped according to an indicated grouping criterion. <br>（ISOBMFF的轨道分组机制可用于指示轨道根据所指示的分组准则进行分组。） | 对比文件详细讨论了ISOBMFF中的轨道引用（track referencing）和轨道分组（track grouping）机制，这些机制正是用于定义容器文件内不同实体（如轨道）之间关联关系的“关系定义”。虽然对比文件将其用于关联位置元数据轨道和媒体轨道，但这与本技术特征在文件格式层面定义关联关系的作用是相同的。因此，对比文件隐含公开了本技术特征。 |
| 技术特征M：其中，所述视觉数据通过一个或多个神经网络或一个或多个基于非神经网络的算法来处理，以检测所述一个或多个内容元素。 | [0053] Inertial Navigation System is explained in U.S. Pat. No. 3,509,765. <br>（美国专利3,509,765中解释了惯性导航系统。）<br><br>[0067] In an embodiment, differential location information may depend on the initial velocity and motion sensor data (e.g. accelerometer sensor) provided by the recording device. The acquisition and calculation of the sensor data and initial velocity are out of scope of this invention.<br>（在一实施例中，差分位置信息可取决于由记录设备提供的初始速度和运动传感器数据（例如，加速度计传感器）。传感器数据和初始速度的获取和计算不在本发明的范围内。） | 对比文件中提及的算法是用于处理传感器数据（如加速度）以计算位置变化的惯性导航系统等算法，而不是用于处理视觉数据以检测内容元素的算法。对比文件完全没有提及使用神经网络或任何其他算法来处理视觉数据。因此，对比文件未公开本技术特征。 |
<<<g>>>
<<<k>>>
<<<l>>>