指代表达理解数据生成方法、装置、存储介质及电子设备

本发明提供的指代表达理解数据生成方法、装置、存储介质及电子设备，应用于数据处理技术领域。本发明通过获取标注有目标标注框的目标检测图像，将其输入多模态大语言模型，利用预设查询语句自动生成指定类别目标的文本描述；随后，将生成的文本描述与目标检测图像一并输入指代表达理解模型，依据文本描述生成初始边界框，并计算其与图像中各目标标注框的交并比，选取交并比最高的标注框作为目标边界框；最终结合目标边界框与文本描述，生成与目标检测图像对应的指代表达理解数据。本发明有效整合多模态大语言模型与指代表达理解模型，实现了指代表达理解数据的高效自动化生成，显著提升数据构建的效率和准确性。