用于使用机器学习模型以基于图像块来生成场景的技术

本发明公开了用于使用机器学习模型以基于图像块来生成场景的技术。在各种实施方案中，本公开的示例提供了用于生成场景图像的系统和方法。获得基于至少一个用户输入的多个输入图像块。检测包括在该多个输入图像块中的每个输入图像块相对于包括在该多个输入图像块中的至少一个其他输入图像块的空间定位，随后基于包括在该多个图像块中的每个输入图像块的该空间定位来确定场景的场景构图。获得与该场景相关联的场景提示，并且机器学习模型基于该场景提示而将该多个图像块混合以生成该场景。