视觉数据生成方法、多模态模型训练方法、装置及介质

本申请提供的一种视觉数据生成方法、多模态模型训练方法、装置及介质，通过获得待生成视觉数据的描述信息；所述描述信息对应有风格触发词，以及风格触发词对应的图像区域内容信息；基于所述描述信息以及预先训练的多模态模型，获得输出视觉数据，使得所述输出视觉数据中至少两个区域的图像风格存在差异，有效提升图像生成的精确性和艺术性，并能够根据用户的需求生成多风格融合的图像，满足了用户对多种风格融合图像生成的需求。