一种面向复杂视觉场景的多源问答样本自校准构建方法和系统

本申请提供一种面向复杂视觉场景的多源问答样本自校准构建方法和系统，包括：获取多源视觉图像并筛选生成图像池；基于图像池生成包含问题文本和参考答案的候选问答样本；对候选问答样本执行无图可解性筛查，剔除无需视觉信息即可作答的候选样本，得到保留样本；对保留样本执行场景适配复核及视觉修订，校验场景类型、目标可见性及问题可判定性，得到通过复核的样本；为通过复核的样本生成包含目标单元列表、关系集合及分段推断说明的结构化标注字段；对结构化标注字段执行一致性闭环校验，若与参考答案不一致则反馈再生成，直至通过校验或达到迭代上限；将通过校验的样本封装输出。本申请实现了复杂视觉场景问答数据的高质量构建。