图像生成方法、装置、电子设备和存储介质

本发明涉及计算机视觉技术领域，提供一种图像生成方法、装置、电子设备和存储介质，方法包括：获取目标图像的描述文本；基于大型语言模型，对所述描述文本进行场景解析，得到与所述描述文本对应的场景图；基于多模态图像生成模型，应用所述描述文本和所述场景图，生成所述目标图像。本发明提供的图像生成方法、装置、电子设备和存储介质，通过借助大型语言模型的强大自然语言处理能力，对描述文本进行场景解析，得到与描述文本对应的场景图，并结合描述文本和场景图生成目标图像。同时参考到描述文本的文本信息，以及场景图表征的空间和语义信息，可以改善生成图像的质量和语义一致性，从而生成更加精确和合理的图像。