视频理解问答方法、装置及存储介质

本申请公开了一种视频理解问答方法、装置及存储介质，属于问答技术领域。方法包括：获取视频数据和用户针对视频数据的问题；根据视频数据中视频帧之间的特征差异抽取多个关键帧图像；提取关键帧图像的图像特征以构建图像向量库，以及提取关键帧图像的内容信息以构建知识图谱和文本向量库；通过大语言模型基于图像向量库、知识图谱和文本向量库生成问题的答案。本申请通过构建图像向量库、知识图谱和文本向量库，不仅从视觉角度对视频内容进行量化描述，还通过知识图谱挖掘了视频内容的语义关系和逻辑结构，更全面深入地挖掘和整合视频语义知识，结合上述多模态数据联合推理，能够更全面地理解用户问题，提高了问答的准确性。