基于文本的多模态人脸生成方法及装置、设备、存储介质

本公开提供了基于文本的多模态人脸生成方法及装置、设备、存储介质，属于人脸图像生成技术领域，该方法包括：基于参考图像和参考图像对应的主体掩码确定主体图像，基于主体图像确定解耦全局身份嵌入特征。参考图像为初始人脸图像。基于参考图像和参考图像对应的掩码图像确定多模态局部身份嵌入特征。多模态局部身份嵌入特征为文本嵌入类特征。基于解耦全局身份嵌入特征和多模态局部身份嵌入特征确定目标生成人脸图像。本公开提供的基于文本的多模态人脸生成方法及装置、设备、存储介质能够提高文本到人脸生成的准确性，满足实际需求。