[0008] 在一個(gè)示范性實(shí)施例中，所述根據(jù)所述第i層的圖像編碼特征、所述第i層的問(wèn)句編碼特征、所述第i層的答案編碼特征，確定所述第i層抗噪注意力模塊輸出的圖像注意力特征、文本修復(fù)篩選特征和答案文本空間特征，包括：將所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征輸入第i層的第一跨注意力編碼模塊，得到第i層的第一跨注意力特征，其中，所述第i層的第一跨注意力編碼模塊用于根據(jù)所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征，確定所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值以及所述第i層的問(wèn)句編碼特征，確定所述第i層的第一跨注意力特征；將所述第i層的問(wèn)句編碼特征和所述第i層的圖像編碼特征輸入第i層的第二跨注意力編碼模塊，得到第i層的第二跨注意力特征，其中，所述第i層的第二跨注意力編碼模塊用于根據(jù)所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征，確定所述第i層的圖像編碼特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的圖像編碼特征對(duì)應(yīng)的權(quán)重值以及所述第i層的圖像編碼特征，確定所述第i層的第二跨注意力特征；將所述第i層的第一跨注意力特征和所述第i層的第二跨注意力特征進(jìn)行拼接，得到第i層的目標(biāo)拼接特征；將所述第i層的目標(biāo)拼接特征和所述第i層的答案編碼特征輸入第i層的第三跨注意力編碼模塊，得到第i層的第三跨注意力特征，其中，所述第i層的第三跨注意力編碼模塊用于根據(jù)所述第i層的目標(biāo)拼接特征和所述第i層的答案編碼特征，確定所述第i層的目標(biāo)拼接特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的目標(biāo)拼接特征對(duì)應(yīng)的權(quán)重值以及所述第i層的目標(biāo)拼接特征，確定所述第i層的第三跨注意力特征；根據(jù)所述第i層的第三跨注意力特征和所述第i層的答案編碼特征，確定所述第i層抗噪注意力模塊輸出的圖像注意力特征和文本修復(fù)篩選特征，并將所述第i層的答案編碼特征確定為所述第i層抗噪注意力模塊輸出的答案文本空間特征。 [0009] 在一個(gè)示范性實(shí)施例中，所述將所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征輸入第i層的第一跨注意力編碼模塊，得到第i層的第一跨注意力特征，包括：將所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征輸入到所述第i層的第一跨注意力編碼模塊中的第一跨注意力單元，得到第i層的第一候選跨注意力特征，其中，所述第一跨注意力單元用于根據(jù)所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征，確定所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值以及所述第i層的問(wèn)句編碼特征，確定所述第i層的第一候選跨注意力特征；將所述第i層的第一候選跨注意力特征輸入所述第i層的第一跨注意力編碼模塊中的第一隨機(jī)擦除單元，得到第i層的第一擦除注意力特征，其中，所述第一隨機(jī)擦除單元用于對(duì)所述第i層的第一候選跨注意力特征中的部分特征值進(jìn)行置0，得到所述第i層的第一擦除注意力特征；將所述第i層的第一擦除注意力特征輸入所述第i層的第一跨注意力編碼模塊中的第一歸一化單元，得到所述第i層的第一歸一化特征，其中，所述第一歸一化單元用于對(duì)所述第i層的第一擦除注意力特征中的特征值進(jìn)行歸一化處理，得到所述第i層的第一歸一化特征；將所述第i層的圖像編碼特征和所述第i層的第一歸一化特征進(jìn)行疊加，得到所述第i層的第一跨注意力特征。 [0010] 在一個(gè)示范性實(shí)施例中，所述將所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征輸入到所述第i層的第一跨注意力編碼模塊中的第一跨注意力單元，得到第i層的第一候選跨注意力特征，包括：通過(guò)以下公式確定所述第i層的第一候選跨注意力特征： [0011] [0012] 其中， 表示所述第i層的第一候選跨注意力特征， 表示所述第i層 的圖像編碼特征， 表示所述第i層的問(wèn)句編碼特征， 表示預(yù)先確定的轉(zhuǎn) 移矩陣， 表示所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值。

其中，當(dāng)i等于N時(shí)，所述目標(biāo)圖像的圖像注意力特征是所述第i層抗噪注意力模塊輸出的圖像注意力特征，所述目標(biāo)問(wèn)句的文本修復(fù)篩選特征是所述第i層抗噪注意力模塊輸出的文本修復(fù)篩選特征，所述第一候選答案的答案文本空間特征是所述第i層抗噪注意力模塊輸出的答案文本空間特征。 2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第i層的圖像編碼特征、所述第i層的問(wèn)句編碼特征、所述第i層的答案編碼特征，確定所述第i層抗噪注意力模塊輸出的圖像注意力特征、文本修復(fù)篩選特征和答案文本空間特征，包括： 將所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征輸入第i層的第一跨注意力編碼模塊，得到第i層的第一跨注意力特征，其中，所述第i層的第一跨注意力編碼模塊用于根據(jù)所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征，確定所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的問(wèn)句編碼特征對(duì)應(yīng)的權(quán)重值以及所述第i層的問(wèn)句編碼特征，確定所述第i層的第一跨注意力特征； 將所述第i層的問(wèn)句編碼特征和所述第i層的圖像編碼特征輸入第i層的第二跨注意力編碼模塊，得到第i層的第二跨注意力特征，其中，所述第i層的第二跨注意力編碼模塊用于根據(jù)所述第i層的圖像編碼特征和所述第i層的問(wèn)句編碼特征，確定所述第i層的圖像編碼特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的圖像編碼特征對(duì)應(yīng)的權(quán)重值以及所述第i層的圖像編碼特征，確定所述第i層的第二跨注意力特征； 將所述第i層的第一跨注意力特征和所述第i層的第二跨注意力特征進(jìn)行拼接，得到第i層的目標(biāo)拼接特征； 將所述第i層的目標(biāo)拼接特征和所述第i層的答案編碼特征輸入第i層的第三跨注意力編碼模塊，得到第i層的第三跨注意力特征，其中，所述第i層的第三跨注意力編碼模塊用于根據(jù)所述第i層的目標(biāo)拼接特征和所述第i層的答案編碼特征，確定所述第i層的目標(biāo)拼接特征對(duì)應(yīng)的權(quán)重值，并根據(jù)所述第i層的目標(biāo)拼接特征對(duì)應(yīng)的權(quán)重值以及所述第i層的目標(biāo)拼接特征，確定所述第i層的第三跨注意力特征； 根據(jù)所述第i層的第三跨注意力特征和所述第i層的答案編碼特征，確定所述第i層抗噪注意力模塊輸出的圖像注意力特征和文本修復(fù)篩選特征，并將所述第i層的答案編碼特征確定為所述第i層抗噪注意力模塊輸出的答案文本空間特征。