视频内容推理方法、装置和系统

本发明实施例公开了一种视频内容推理方法、装置和系统。本发明实施例的视频内容推理方法、装置和系统通过增加预先训练的问题解析器，根据对于视频内容推理的问题文本生成对于视频进行处理的模块化执行策略，从时序和空间两个角度来分解推理任务，进而，通过时空定位模块来从视频数据中从时间和空间两个不同角度提取与问题文本相关的图像数据，进而根据图像数据以及问题文本来确定推理结果。由此，采用模块化执行策略可以为最终的推理模块提供更多关联的输入信息，提高推理的准确度，同时为最终结果提供可解释性。