一种基于交叉融合和重建的多模态生成式摘要获取方法，从多模态摘要数据集中提取文本特征序列和视频特征序列，使用文本和视频指导下交叉融合模块，分别将一种模态的特征序列作为指导模态映射为查询特征，另一种模态的特征序列作为目标模态映射为键值对特征，捕捉模态间相关性高于设定值的一致性语义；经过迭代融合，生成文本和视频指导下多模态融合表示；使用文本和视频重建器得到文本和视频重建特征序列，并计算文本和视频重建损失；使用摘要生成器进行两层融合操作，输出摘要分布，并计算与参考摘要的生成损失；根据各损失，对各组件分别使用不同的损失函数组合，加强对模态间一致性和模态内互补语义的约束效果，提升生成摘要的准确性和丰富性。