视频检索增强生成方法、装置及相关设备

本公开提供了一种视频检索增强生成方法、装置及相关设备，涉及人工智能技术领域，该方法包括：基于用户输入的查询内容在预先设置的视频检索库中进行检索，得到目标视频片段；将查询内容与目标视频片段输入至预先训练的视觉语言模型中，输出查询内容对应的视觉描述；基于目标视频片段与视觉描述，生成查询内容对应的答案。本公开能够显著提升长视频理解任务的整体性能表现。