知识密集型视觉问答自动化数据生成方法及装置

本申请涉及一种知识密集型视觉问答自动化数据生成方法及装置，其中，方法包括：根据静态图像、视频流和多媒体内容构建包含目标领域专业知识的原始视觉数据集；提取代表性帧序列，将音频信息转换为文本信息，并提取静态图像中的文字信息，以构建结构化视觉实例数据库；根据满足预设专业深度条件的提示文本建立包含领域知识、评估标准和生成规范的三级提示体系；根据主智能体与领域专家智能体的动态协作，生成对应的视觉问答对数据集；根据质量评估结果生成多智能体的质量评估体系；根据负例样本设计难度分级机制。本申请显著提升了视觉问答数据的专业性、准确性和多样性，为多模态大模型的训练与评估提供了可靠的数据支持。