图像编辑方法、装置、存储介质及电子设备

本公开实施例公开了一种图像编辑方法、装置、存储介质及电子设备，其中，该方法包括：获取待编辑图像和编辑指令；利用预训练的多模态大模型，基于待编辑图像和编辑指令，生成目标图像的词元；从目标图像的词元中截取目标图像的视觉词元；利用预训练的扩散模型，基于待编辑图像的隐空间表示、编辑指令对应的文本词元以及视觉词元，生成目标图像的隐空间表示，其中，预训练的扩散模型具有多重条件引导架构；对目标图像的隐空间表示进行解码处理，得到目标图像。本公开通过增加多模态大模型生成的视觉词元作为约束条件，使得生成的目标图像更加贴近于用户的编辑指令，提高了图像编辑效果。