一种基于LLM的视频多模态检测方法及系统

本发明涉及计算机视觉和多模态内容分析技术领域，公开了一种基于LLM的视频多模态检测方法及系统，其中，一种基于LLM的视频多模态检测方法包括：通过多层次神经网络将视频中的视觉、音频和文字信息投影至统一语义空间，计算模态间一致性得分以定位潜在冲突点，提取文化背景信息计算表达内容与文化预期间的偏差值，通过层级化特征提取识别非字面表达，识别视频中的不同叙述视角并评估对一致性判断的影响，最后对不同类型冲突采取差异化处理策略；本发明解决了传统多模态分析中忽视模态冲突、对跨文化表达理解不足及视角差异造成的误判问题，提升了视频内容检测的准确性和跨文化理解能力。