多模态图文生成方法、装置、设备及存储介质

本发明涉及人工智能技术领域，公开了多模态图文生成方法、装置、设备及存储介质，方法包括：对预设产品图像进行特征提取，生成第一特征向量，采用预设的多层感知机对第一特征向量进行转换，得到转换后的第一特征向量；将转换后的第一特征向量和第二特征向量进行拼接，得到第三特征向量；对第三特征向量进行编码，得到第四特征向量；将第四特征向量输入多模态模型的生成器，获取生成器基于第四特征向量输出的预测多模态图文，根据预测多模态图文和预设多模态图文之间的损失值，训练多模态模型；获取训练后的多模态模型基于当前产品图像生成的当前多模态图文。本发明有利于提高当前多模态图文的生成效率，可应用于金融科技业务领域中。