多模态图片数据处理方法、装置、设备及存储介质

本申请涉及计算机视觉与多模态数据处理技术领域，公开了多模态图片数据处理方法、装置、设备及存储介质，该方法包括：对预先获取的标准化图片集合进行多维度特征提取，得到复合特征数据；将所述复合特征数据及预设提示词输入多模态大模型，生成自然语言描述文本，并从所述自然语言描述文本中提取关键语义信息，形成结构化语义集合；对所述标准化图片集合、复合特征数据及结构化语义集合进行关联存储，并基于关联存储数据构建多模态索引。本申请基于多维度特征提取并多模态大模型的语义理解，实现了多模态图片数据的深度理解。