一种仿生的长视频理解方法及相关装置

本申请提供一种仿生的长视频理解方法及相关装置，通过获取长视频内容数据，并对所述长视频内容数据进行视频预处理，得到多个短视频片段，所述短视频片段至少包含视频段大小、视频字幕以及开放词汇；之后将所述多个短视频片段存储至向量数据库，同时所述向量数据库接收用户端发送的动态任务问题；最后依据所述多个短视频片段，调用多模态大模型对所述动态任务问题进行任务评估、分解、规划以及工具调用，以实现长视频理解。本申请技术方案通过观察人类对长视频检索和理解的过程，以达到减少计算量、提高计算效率、快速适应下游任务的目的。