基于多模态感知的视觉问答方法及其相关设备

本申请属于人工智能领域，应用于金融问答领域中，涉及一种基于多模态感知的视觉问答方法，包括接收待回答数据，其中，所述待回答数据包括目标文本问题和目标视觉数据；基于预设的编码模型对所述目标视觉数据进行编码操作，得到目标特征；将所述目标特征输入至预设的因果转换模型中，进行因果转换操作，得到输出的目标因果特征；基于所述目标因果特征、所述目标文本问题和预设的目标自回归视觉问答模型，得到目标答案。本申请还提供一种基于多模态感知的视觉问答装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，目标自回归视觉问答模型可存储于区块链中。本申请提高视觉回答的准确性。