一种视觉语言多任务处理方法、装置、设备及介质

本发明公开了一种视觉语言多任务处理方法、装置、设备及介质，方法包括：获取待处理图像；对待处理图像进行图像编码，获得图像特征；接收任务需求信息，根据任务需求信息与图像特征构建相应的任务指令，任务指令包括图像特征、任务类型与指令内容，任务指令用于提示大语言模型基于任务类型与指令内容对图像特征执行相应的视觉语言任务；将任务指令输入到大语言模型，得到图像特征在视觉语言任务下的语言描述信息。通过基于任务需求和待处理图像构建相应的任务指令，以提示大语言模型执行相应的视觉语言任务，使得可以在同一框架下实现视觉语言多任务处理，提高了车险场景下对各类图像的视觉语言处理效率以及对不同任务需求的适应性。