面向视觉问答模型的分层对比反事实学习方法及系统

本发明公开了一种面向视觉问答模型的分层对比反事实学习方法及系统，该方法包括获取原始图像数据和问题文本数据，构建多模态联合张量数据，基于投影矩阵计算概率分布，筛选样本并动态调整权重；构建多模态图结构，基于特征增强矩阵进行模态对齐，执行动态特征融合；建立多层次概率知识结构，生成反事实样本，执行知识融合运算；构建多层次距离度量体系，执行自适应权重优化，进行谱聚类优化和边界调整；构建多维评估指标体系，执行稳定性分析和动态性能追踪，得到最终的性能评估指标数据。本发明通过分层对比反事实学习框架提升了视觉问答模型的性能，实现了特征表示的优化、知识结构的动态调整和模型性能的精确评估。