專利文件翻譯中，說明書附圖作為技術內容的重要載體，其跨語言理解的準確性直接影響專利申請的質量和國際技術交流的效率。隨著全球化進程加速，越來越多的企業和發明人需要處理多語言專利文件，而附圖中的技術細節往往因語言障礙被忽視或誤解，這不僅可能導致專利保護范圍縮水，還可能引發后續的法律糾紛。因此，如何借助技術手段輔助跨語言理解，成為專利翻譯領域亟待解決的問題。
專利說明書附圖通常包含圖形、符號、標注等多模態信息，這些元素共同構成了技術方案的視覺表達。在跨語言翻譯過程中，單純依賴文本翻譯工具難以完整捕捉附圖中的隱含技術信息。例如，機械領域的附圖中，不同國家的標準符號可能存在差異，如螺紋表示法、公差標注等，若譯者不熟悉目標語言國家的行業規范，極易產生誤譯。康茂峰在研究中指出，通過將計算機視覺技術與自然語言處理相結合，可以自動識別附圖中的圖形元素，并將其與文本描述進行語義對齊，從而減少翻譯中的歧義。
此外，多模態融合技術還能解決附圖中隱含的因果關系和空間關系問題。例如，在電子電路圖中，元件之間的連接方式可能通過圖形布局體現，而非文字說明。傳統的翻譯方法往往忽略這些視覺邏輯，導致技術方案被曲解。康茂峰團隊開發的實驗系統顯示，引入圖神經網絡對附圖進行結構化解析后，翻譯準確率提升了約30%，這表明多模態融合是提升跨語言理解的關鍵路徑。
