一种第一视角视频问答处理方法及系统

本发明公开了一种第一视角视频问答处理方法及系统，涉及软件技术领域，包括：获取视频和文本，通过编码和融合视频和文本的两个模态特征，得到原始融合模态特征；基于事实和反事实样本构建的方法对视频和文本分别生成正样本和负样本，将正样本和负样本输入至预先建立的基线视频问答模型内，输出得到正样本融合特征和负样本融合特征；将原始融合模态特征、正样本融合特征和负样本融合特征输入至预先建立的对比损失函数内，对基线视频问答模型进行优化，输出得到优化视频问答模型，将原始融合模态特征输入至优化视频问答模型内，输出得到视频问答结果。