本文介绍了一种新的多模态端到端框架MNER-QG，可同时进行命名实体识别和查询接地任务，并通过查询提供先验知识，增强文本和图像表征。实验结果显示，MNER-QG在MNER任务上优于当前最先进的模型，并提高了查询接地性能。