DesignCLIP：用于设计专利理解的多模态学习框架

在设计专利分析领域，传统任务如专利分类和专利图像检索严重依赖图像数据。然而，专利图像——通常由构成发明抽象和结构元素的数据——不足以传达完整的视觉上下文和语义信息，这可能导致先前文献搜索中的评估模糊不清。近期视觉语言模型（如 CLIP）的发展为更可靠、准确的 AI 驱动专利分析提供了前景。在本工作中，我们利用 CLIP 模型开发了一个统一框架 DesignCLIP，用于设计专利应用，同时构建了大规模美国设计专利数据集。为address专利数据的独特特征，DesignCLIP 融合了类别感知分类和对比学习，利用为专利图像生成的详细描述和多视角图像学习。我们在各种下游任务上验证了 DesignCLIP 的有效性，包括专利分类和专利检索。此外，我们探索了多模态专利检索，这为通过提供更丰富的灵感来源来增强创造力和创新提供了潜力。我们的实验表明，DesignCLIP 在专利领域的所有任务上均 consistently 优于基准和 SOTA 模型。我们的发现凸显了多模态方法在推动专利分析方面的潜力。代码已提供：https://anonymous.4open.science/r/PATENTCLIP-4661/README.md。