多模态解题方法以及多模态解题系统

本说明书实施例提供多模态解题方法以及多模态解题系统，其中所述多模态解题方法包括：获取输入图像，其中，输入图像包括题目文本和题目图形；对题目文本进行分析，获得题目分析结果和目标图形元素；对题目图形中的目标图形元素进行矢量图形标记，获得矢量图形标记结果；基于矢量图形标记结果，对题目分析结果进行推理，获得答案文本。以矢量图形标记的方式提高对图像细节的关注，提高图像感知精度，并且，矢量图形标记结果可以作为处理过程中的中间表示，增强解题过程的可解释性，验证方法对图像细节的理解，基于矢量图形标记结果对题目分析结果进行推理，可以避免直接感知可能的错误，提高解题准确性。