一种文档图像的处理方法、电子设备、存储介质

本申请提供一种文档图像的处理方法、电子设备、存储介质，包括：将文档图像输入已训练的统一模型，得到文档图像中每个目标区域对应的多种不同类别的识别结果；针对每个目标区域，根据目标区域对应的多种不同类别的识别结果，生成目标区域对应的提示文本；将每个目标区域的提示文本以及接收的用户问题，输入已训练的多模态模型，获得多模态模型输出的用户问题对应的文档理解结果。用以充分融合多种模态的信息，对复杂文档图像进行针对性理解，提升文档图像处理的准确性、灵活性和实用性。