视频语义token压缩方法、视频识别方法和电子设备

本申请提供了一种视频语义token压缩方法、视频识别方法和电子设备，其中，该方法可以包括：对原始视频进行处理，获得待编码视频；其中，所述待编码视频的帧数比所述原始视频的帧数少；对所述待语义编码视频进行语义编码，获得所述待编码视频对应的原始token数据集；对所述原始token数据集进行压缩，获得目标token数据集。通过上述方法，能够将视频以及视频的语义token进行压缩，该目标token数据集后续如果作为大模型的输入的情况下，可以降低大模型语义理解所需的计算量，从而可以实现大模型对长视频能进行高效准确的理解，并降低设备存储压力。