基于多模态大模型的场景数据生成方法、装置及设备

本申请提出一种基于多模态大模型的场景数据生成方法、装置及设备，所述方法主要通过将包括产品的产品图像和文本描述输入到多模态大模型中，所述文本描述为对目标场景的描述；利用所述多模态大模型，分别对所述产品图像和所述文本描述进行特征学习，基于对所述文本描述的学习结果生成期望的背景图像，基于对所述产品图像的学习结果利用背景图像扩充所述产品图像的背景，生成以所述产品为前景的场景数据图像。通过本申请提出的方法、装置及设备，能够直接将产品图像融入用户所需的场景中，利用所述多模态大模型能够直接生成可以直接使用的或仅需少量调整的场景数据图像，提高了图片生成的质量，减少人工成本。