基于多模态大模型的视觉问答自动化标注方法及装置

本申请涉及多模态人工智能与智能数据处理技术领域，特别涉及一种基于多模态大模型的视觉问答自动化标注方法及装置，其中，方法包括：采集用于构建视觉问答的不同场景的基础图像数据；预处理基础图像数据，构建图片内容实例列表，并关联相关的词条；基于相关的词条，对图片内容实例列表进行筛选与修正，生成视觉问答对，构建视觉问答对数据集；判断视觉问答对数据集是否满足预设质量条件，根据视觉问答对数据集生成干扰样本，完成多模态大模型的视觉问答自动化标注。由此，解决了相关技术中，由于单模态模型标注结果易出现语义偏差、上下文割裂或知识噪声的问题，多模态大模型由于模型幻觉、数据偏差等因素，导致实际标注质量受到显著影响，降低效率与准确性等问题。