视频帧预测方法、装置、计算机设备、可读存储介质和程序产品

本申请涉及一种视频帧预测方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：对视频帧序列中的已有视频帧进行图像特征提取，获得图像特征组合序列；图像特征组合序列中的图像特征组合为相应的已有视频帧在多个不同尺度下的图像特征的组合；针对图像特征组合序列中的每组图像特征组合，获取图像特征组合关联的提示词的提示词语义特征，融合提示词语义特征和图像特征组合，获得图像特征组合对应的多模态融合特征；提示词用于描述视频帧序列的视频内容；根据各组多模态融合特征，预测已有视频帧的下一视频帧。采用本方法能够提高视频帧的预测效果。