多模态图像融合方法、装置、电子设备及存储介质

本发明主要用于计算机视觉技术领域。本发明公开了一种多模态图像融合方法、装置、电子设备及存储介质，该方法包括获取多个图像，并对每个图像进行特征提取，以得到多个图像特征；生成对应每个图像的文本信息；基于多个文本信息，生成文本融合特征；基于多个图像特征以及文本融合特征，通过预设跨模态融合模型，生成融合后的图像。本申请能够通过图像融合的方式，生成高质量图像。