一种视觉信息抽取方法、装置、计算机设备和介质

本申请涉及人工智能技术领域，公开了一种视觉信息抽取方法、装置、计算机设备和介质，首先获取问题文本数据和目标图片中的内容文本数据；其次基于目标图片、问题文本数据、内容文本数据输入进行图文匹配，生成问题文本数据对应的待检查答案；并利用待检查答案、目标图片和问题文本数据进行逻辑验证，得到问题文本数据对应的候选答案；最后根据内容文本数据和问题文本数据对候选答案进行信息矫正，得到指定内容项对应的目标内容数据。相较于仅依赖目标图片和问题文本数据的方法，能够生成更准确的待检查答案；进一步地，利用逻辑验证，显著提升了候选答案的准确性；最终，通过信息矫正，得到更准确的目标内容数据，生成更准确的答案文本数据。