对比文件名称：2018-06-14_US2018167686A_发明申请_US20180167686A1 INTERACTIVE DISTRIBUTED MULTIMEDIA SYSTEM
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：GPT-4o
### 特征比对表格
| 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：《直接公开》**<br>包括：接收采用容器文件格式的视觉数据 | 1. [0058] "According to some examples, a method for providing interactive multimedia content includes receiving content data (e.g., receiving video data as shown in box 160 of FIG. 2)"<br>2. [0059] "...formatting at least a portion of the content data, the indication of the region, and the scripting event accordance with a file format for transmission..."<br>3. [0060] "In some examples, the content data and associated metadata may be included in the same digital container, as described further below with reference to FIGS. 3a-3c."<br>4. [0062] "The stream container 208 may include specific beginning and ending information... The stream container 208 may also include a plurality of tracks." | 对比文件的[0058]段明确记载了接收视频数据等“内容数据”(content data)。[0059]和[0060]段记载了该内容数据会按照一种用于传输的“文件格式”(file format)进行格式化，且内容数据与元数据可以被包含在同一“数字容器”(digital container)中。[0062]段进一步指出该格式为“流容器”(stream container)。因此，本领域技术人员可以毫无疑义地确定，对比文件公开了接收采用容器文件格式的视觉数据的技术方案。 |
| **技术特征B：《隐含公开》**<br>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 | 1. [0041] "...streaming editing tools to incorporate and automate, using machine vision algorithms and machine learning algorithms, e.g. face detection, object or pattern detection and/or tracking, scene recognition, static or dynamic region discovery..."<br>2. [0003] "...there is no possibility with existing technologies to provide additional actions and annotations to video during playback." <br>3. [0005] "...there is no way... to identify the items... available for sale within the video... Similarly, there is no possibility... to provide additional actions and annotations to video during playback."<br>4. [0095] "This kind of cascading operation requires proprietary interfaces and APIs..." (目标专利背景技术中提及的现有技术缺点，用于说明本方案动机，但对比文件整体涉及自动检测和交互)。 | 对比文件[0041]段记载了使用“机器视觉算法和机器学习算法”(machine vision algorithms and machine learning algorithms)进行“面部检测”(face detection)、“对象或模式检测”(object or pattern detection)、“场景识别”(scene recognition)等，这些都属于基于人工智能的处理算法。尽管对比文件主要描述了单个检测动作，但其明确列举了多种AI算法，并提及了算法的“自动化”(automate)。[0095]段（注：此段落在目标专利中，用于说明背景，但对比文件同样涉及对媒体内容的自动分析和交互）提及了“级联操作”。结合对比文件旨在提供丰富交互式体验的整体内容，本领域技术人员可以合理推断，为了实现复杂的自动检测和交互，可能会按顺序或组合地使用多个AI算法过程来处理视觉数据，以检测出不同的内容元素。因此，对比文件隐含公开了此特征。 |
| **技术特征C：《隐含公开》**<br>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 | 1. [0071] "Objects 408 may include identified conceptual elements within the video frame, such as faces (from facial detection), objects or patterns (from object or pattern detection; e.g. vehicles, people, structures, sporting equipment, colors, repeated actions or behaviors, predicted locations for future visual elements, etc.)..."<br>2. [0016] "...receive a metadata tag or a reference to the metadata tag, the metadata tag associated with the region, and formatting at least a portion of the content data... in accordance with a file format..."<br>3. [0124] "2. 存储基于AI的算法元数据输出的新的盒。此盒可以具有通用的有效载荷定义；因此，它符合任何AI算法输出。"<br>4. [0125] "3. 包含有关AI过程的信息的新的盒，该信息由在定义数据流中运行的多个算法组成。" | 对比文件[0071]段记载了将检测到的“对象”(Objects)，如面部、物体等，作为元数据块的一部分进行存储。[0124]段（目标专利[0124]）提到了存储AI算法元数据输出的新盒。[0125]段（目标专利[0125]）则明确提到了一个包含“有关AI过程的信息”的新盒，这些信息由“多个算法组成”。虽然对比文件可能将检测结果和过程信息作为元数据分别提及，但本领域技术人员可以合理推断，在一个完整的处理流程中，系统会同时存储检测到的内容元素（如对象）以及产生这些结果的多个AI算法过程的相关信息，并将它们作为元数据与媒体数据关联。因此，对比文件隐含公开了此特征。 |
| **技术特征D：《直接公开》**<br>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 | [0175] "According to an embodiment, a new item reference type may be defined called 'vai'. In this reference type, from_item_ID may represent an item containing an AI payload, and to_item_ID may reference AI item IDs that may be used as input for generating its AI results."<br>[0176] "According to an embodiment, the reference may be a 'dependency' relationship where the from_item_ID represents an AI item that needs input from the items listed in to_item_ID." | 对比文件[0175]-[0176]段记载了一种名为“'vai'”的新的项引用类型。在此引用中，`from_item_ID`表示包含AI有效载荷的项，`to_item_ID`引用被用作生成AI结果的输入的AI项ID，并且明确指出这种引用可以是一种“依赖”(dependency)关系。这里的`from_item_ID`和`to_item_ID`分别构成了用于指示不同AI过程（或项）之间输入/输出依赖关系的“第一指示”和“第二指示”。因此，对比文件直接公开了此特征。 |
| **技术特征E：《直接公开》**<br>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 | [0175] "...from_item_ID may represent an item containing an AI payload..." | 对比文件[0175]段明确记载了`from_item_ID`可以代表一个“包含AI有效载荷的项”(item containing an AI payload)。这完全对应于技术特征E中“第一指示表示包含人工智能有效载荷的人工智能项”的描述。因此，对比文件直接公开了此特征。 |
| **技术特征F：《直接公开》**<br>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 | [0175] "...and to_item_ID may reference AI item IDs that may be used as input for generating its AI results." | 对比文件[0175]段明确记载了`to_item_ID`可以引用“被用作生成AI结果的输入”(used as input for generating its AI results)的AI项ID。这完全对应于技术特征F中“第二指示表示被用作用于生成...结果的输入的项”的描述。因此，对比文件直接公开了此特征。 |
| **技术特征G：《直接公开》**<br>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。 | 1. [0060] "In some examples, the content data and associated metadata may be included in the same digital container..."<br>2. [0067] "...the metadata may be formatted and transmitted separate from the content data... The metadata may be called... at the time of playback..."<br>3. [0061] "For examples, the file format may include a first track (e.g., a video track) and a second track (e.g., a metadata track)." | 对比文件[0060]段明确记载了内容数据和相关联的元数据可以被包含在“相同的数字容器”(same digital container)中。[0061]段进一步说明文件格式可以包含视频轨道和元数据轨道。即使在某些情况下元数据是分离的（[0067]段），其最终也与视觉数据相关联并在播放时被调用，从而形成一个逻辑上的整体容器文件。因此，将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已被直接公开。 |
| **技术特征H：《直接公开》**<br>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。 | [0128] "For the proposed embodiments, the data transmission mechanism can be decoupled from the data syntax. At the same time, a pointer to an AI service that can be used to generate AI-specific data can be indicated. To this end, the AI property can contain the following syntax elements:<br>1. Service definition indicator.<br>2. Service version, which indicates which version of the service was used to generate the AI data.<br>3. Service description, which provides more details about the AI service.<br>4. Service mode location, which provides a syntax definition for parsing the stored AI data." | 对比文件[0128]段记载了“AI特性”(AI property)可以包含服务定义指示符、服务版本、服务描述等服务相关的语法元素，这些信息正是关于用于生成AI数据的AI处理算法的元数据。在容器文件格式（如ISOBMFF）的上下文中，这种“特性”(property)通常被封装在特定的“盒”(box)中。因此，包含关于AI处理算法的元数据的“第一盒”已被直接公开。 |
| **技术特征I：《直接公开》**<br>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。 | [0124] "2. 存储基于AI的算法元数据输出的新的盒。此盒可以具有通用的有效载荷定义；因此，它符合任何AI算法输出。" | 对比文件[0124]段记载了用于“存储基于AI的算法元数据输出的新的盒”。AI算法的输出即是对内容分析后检测到的“一个或多个内容元素”的元数据，例如检测到的对象、人脸、场景等。因此，包含关于内容元素的元数据的“第二盒”已被直接公开。 |
| **技术特征J：《直接公开》**<br>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。 | [0125] "3. 包含有关AI过程的信息的新的盒，该信息由在定义数据流中运行的多个算法组成。" | 对比文件[0125]段记载了用于存储“有关AI过程的信息的新的盒”，并且明确指出这些信息由“多个算法组成”。这完全对应于技术特征J中描述的包含关于多个AI处理算法过程的元数据的“第三盒”。因此，对比文件直接公开了此特征。 |
| **技术特征K：《直接公开》**<br>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。 | [0189] "If the AI metadata belongs to samples of an image sequence or to samples of a video track, the AI metadata may be stored as samples of a timed metadata track. Samples may be stored as opaque data or data blobs. A sample description for metadata samples may be defined as follows:<br>[0190] box type: 'aimd'<br>container: SampleTableBox or TrackFragmentBox<br>mandatory: no<br>quantity: zero or more" | 对比文件[0189]段记载了当AI元数据属于图像序列或视频轨道的样本时，可以将该元数据作为定时元数据轨道的样本进行存储。[0190]段进一步定义了名为“'aimd'”的媒体样本定义（AIMetadataSampleEntry），用于描述这些元数据样本。这直接公开了在包含图像序列或视频的容器文件中，存在用于包含元数据的媒体轨道的媒体样本定义的技术方案。 |
| **技术特征L：《直接公开》**<br>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。 | [0127] "5. 关系定义，以便使上述新的盒与基于ISO的媒体文件格式中的其他信息承载实体相关联。" | 对比文件[0127]段明确记载了提供“关系定义”(relationship definitions)，其目的是将新的盒（如AI特性盒、AI数据盒等）与文件中的“其他信息承载实体”(other information-carrying entities)相关联。这完全对应于技术特征L中描述的用于定义容器与其他实体之间关联的“关系定义”。因此，对比文件直接公开了此特征。 |
| **技术特征M：《隐含公开》**<br>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。 | 1. [0041] "...streaming editing tools to incorporate and automate, using machine vision algorithms and machine learning algorithms, e.g. face detection, object or pattern detection and/or tracking, scene recognition..."<br>2. [0002] “最近，各种神经网络技术的发展已使得学习能够直接从原始图像数据中识别各种图像/视频内容元素。”（目标专利说明书背景技术部分，用于解释AI通用术语）。 | 对比文件[0041]段记载了使用“机器视觉算法和机器学习算法”来自动检测面部、对象等。虽然未明确写出“神经网络”一词，但神经网络是实现机器学习和机器视觉的主流和公知技术之一。目标专利说明书[0002]段也指出神经网络是用于识别图像/视频内容元素的技术。同时，“机器视觉算法”也涵盖了非神经网络的传统算法。本领域技术人员可以合理推断，对比文件在实施其自动化检测功能时，既可能采用神经网络，也可能采用非神经网络的算法。因此，对比文件隐含公开了此特征。 |
<<<A>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<K>>><<<L>>><<<b>>><<<c>>><<<m>>>