一种基于网格图的视频描述生成方法、系统及存储介质

本发明提供了一种基于网格图的视频描述生成方法，包括：S101、获取原始视频V；S102、从获取的原始视频V中等间距抽取k帧第一图像；其中，k应当满足被开平方；每一帧第一图像的大小为W×H×C；S103、构建一张大小为W×H×C的空图I，将空图I划分为个大小为W×H×C的块；S104、将k帧第一图像由左至右、由上至下，顺序置于空图I的k个大小为W×H×C的块中，得到大小为W×H×C的第二图像；S105、将得到大小为W×H×C的第二图像调整成大小为T×T×C的第三图像；S106、将大小为T×T×C的第三图像和生成类文本一起输入到LVLM模型中，输出生成的视频描述。本发明减少视频描述生成的计算复杂度，保证了视频描述的生成质量。