用于查询处理的方法、装置、设备和存储介质

本公开的实施例提供了用于查询处理的方法、装置、设备和存储介质。该方法包括：获取视频、与视频相关联的参考图像和针对视频的查询，查询指示与视频和参考图像相关的问题；基于视频、参考图像和查询，构建针对经训练的第一多模态模型的模型输入；以及通过将模型输入提供给第一多模态模型，获得模型输出，模型输出指示对问题的应答。