图像描述文本的生成方法、装置、电子设备和存储介质

本公开提供了一种图像描述文本的生成方法，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型技术领域。具体实现方案为：将针对原始图像的视觉处理结果转换为视觉知识文本；根据原始图像以及视觉知识文本，生成原始图像的整图描述文本；根据原始图像的局部图像以及视觉知识文本，生成局部图像的局部描述文本；整合整图描述文本和局部描述文本，得到原始图像的整合描述文本。本公开还提供了一种图像描述文本的生成装置、电子设备和存储介质。