(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211148120.7 (22)申请日 2022.09.20 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 曹佳炯　丁菁汀　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 专利代理师 付先智 (51)Int.Cl. H04N 13/161(2018.01) H04N 13/275(2018.01) H04N 13/332(2018.01) H04N 19/149(2014.01) H04N 19/85(2014.01)G06V 10/40(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/20(2022.01) (54)发明名称 数据压缩处 理方法及装置 (57)摘要 本说明书实施例提供了数据压缩处理方法 及装置， 其中， 一种数据压缩处理方法包括： 将虚 拟世界中的虚拟对象对应的虚拟数据集输入提 取模型进行对象数据提取， 获得所述虚拟对象 的 对象数据； 基于所述对象数据对 所述虚拟对象进 行可视特征识别， 获得所述虚拟对象的可视特 征； 读取所述可视特征对应的压缩模型， 并将所 述对象数据输入所述压缩模型进行数据压缩处 理获得压缩数据。 权利要求书3页 说明书11页 附图3页 CN 115499635 A 2022.12.20 CN 115499635 A 1.一种数据压缩处 理方法， 包括： 将虚拟世界中的虚拟对象对应的虚拟数据集输入提取模型进行对象数据提取， 获得所 述虚拟对象的对象数据； 基于所述对象数据对所述虚拟对象进行可视特征识别， 获得所述虚拟对象的可视特 征； 读取所述可视特征对应的压缩模型， 并将所述对象数据输入所述压缩模型进行数据压 缩处理获得压缩数据。 2.根据权利要求1所述的数据压缩处理方法， 所述基于所述对象数据对所述虚拟对象 进行可视特征识别， 获得 所述虚拟对象的可视特 征， 包括： 将所述对象数据输入形状识别模型进行 形状识别， 获得 所述虚拟对象的对象形状； 其中， 所述形状识别模型， 基于携带 形状标注的标注对象数据样本训练获得。 3.根据权利要求2所述的数据压缩处理方法， 所述标注对象数据样本， 采用如下方式确 定： 对各虚拟数据集样本进行对象数据提取， 获得对象数据样本集； 将所述对象数据样本集中各对象数据样本输入特征编码器进行特征编码， 获得所述各 对象数据样本对应的对象特 征； 基于所述各对象特征对所述对象数据样本集进行形状聚类处理， 获得多个形状类型以 及各形状类型下的类型样本集； 对所述类型样本集中各对象数据样本进行形状类型标记， 获得所述标注对象数据样 本。 4.根据权利要求3所述的数据压缩处理方法， 所述基于所述各对象特征对所述对象数 据样本集进行形状聚类处理， 获得多个形状类型以及各形状类型下的类型样本集操作执行 之后， 且所述对所述类型样本集中各对 象数据样本进行形状类型标记， 获得所述标注对 象 数据样本操作执 行之前， 还 包括： 根据对所述多个形状类型中至少两个形状类型的合并指令， 将所述至少两个形状类型 下的类型样本集进行合并处 理； 和/或， 根据对任一形状类型下的目标对象数据样本的形状类型切换指令， 将所述目标对象样 本从所述任一形状 类型下的类型样本集 转移至目标 形状类型下的类型样本集中； 和/或， 根据对任一形状类型下的任一对象数据样本的删除指令， 将所述任一对象数据样本从 所述任一形状 类型下的类型样本集中删除。 5.根据权利要求1所述的数据压缩处 理方法， 所述压缩 模型， 采用如下 方式训练获得： 将所述可视特征下的类型样本集中各对象数据样本输入待训练模型中的压缩编码器 进行可视特征识别， 输出 所述各对象数据样本的压缩样本； 将所述压缩样本输入所述待训练模型中的解码器进行数据重建， 输出所述各对象数据 样本的重建数据； 基于所述重建数据和所述对象数据样本计算训练损失， 并基于训练损失对所述待训练 模型进行参数调整， 在训练完成后获得 所述压缩 模型。权　利　要　求　书 1/3 页 2 CN 115499635 A 26.根据权利要求1所述的数据压缩处理方法， 所述读取所述可视特征对应的压缩模型， 包括： 在压缩模型集合中读取 所述可视特 征对应的压缩 模型； 其中， 所述压缩模型集合包括各可视特征对应的压缩模型； 所述可视特征对应的压缩 模型由所述可视特 征对应的压缩编码器和解码器构成。 7.根据权利要求6所述的数据压缩处理方法， 所述压缩模型集合中各压缩模型， 采用如 下方式确定： 基于各可视特征下的类型样本集进行模型训练， 获得 各可视特征对应的压缩 模型； 计算所述各 可视特征对应的压缩 模型的梯度相关性； 若存在梯度相关性大于预设阈值的至少两个压缩模型， 则将所述至少两个压缩模型对 应的可视特 征下的类型样本集进行合并处 理； 基于合并处理获得的合并类型样本集进行模型训练， 获得更新后的可视特征对应的压 缩模型。 8.根据权利要求7所述的数据压缩处理方法， 所述基于合并处理获得的合并类型样本 集进行模型训练， 获得 更新后的可视特 征对应的压缩 模型， 包括： 基于所述合并类型样本集中对象数据样本训练压缩编码器， 以及， 基于所述合并类型 样本集中各可视特征对应的对象数据样本训练各可视特征对应的解码器， 获得压缩编 码器 和至少两个解码器。 9.根据权利要求1所述的数据压缩处理方法， 所述读取所述可视特征对应的压缩模型， 包括： 在压缩模型集合中读取 所述可视特 征对应的压缩编码器以及解码器； 基于读取到的压缩编码器和解码器构建所述可视特 征对应的压缩 模型。 10.根据权利要求9所述的数据压缩处理方法， 所述将所述对象数据输入所述压缩模型 进行数据压缩处 理获得压缩数据， 包括： 将所述对象数据输入所述压缩编码器进行压缩编码， 获得所述压缩编码器输出的编码 压缩数据； 将所述编码压缩数据输入所述 解码器进行 数据解码， 获得 所述压缩数据。 11.根据权利要求3所述的数据压缩处理方法， 所述基于所述各对象特征对所述对象数 据样本集进行 形状聚类处 理， 包括： 基于所述对象特 征， 利用聚类算法对所述对象数据样本集进行 形状聚类处 理。 12.根据权利要求1所述的数据压缩处理方法， 所述虚拟世界中通过生成非同质化标识 进行去中心化的交易， 通过交易占有虚拟资产的所有权； 其中， 所述虚拟对象， 包括在所述虚拟世界中可进行去中心化交易， 且配置非同质化标 识的对象。 13.一种数据压缩处 理装置， 包括： 数据提取模块， 被配置为将虚拟世界中的虚拟对象对应的虚拟数据集输入提取模型进 行对象数据提取， 获得 所述虚拟对象的对象数据； 可视特征识别模块， 被配置为基于所述对象数据对所述虚拟对象进行可视特征识别， 获得所述虚拟对象的可视特 征；权　利　要　求　书 2/3 页 3 CN 115499635 A 3