一种基于场景图的多对象文本生成图像语义评测方法和系统

本发明涉及一种基于场景图的多对象文本生成图像语义评测方法和系统。该方法包括：对文本提示和生成图像进行多模态对象特征编码，得到文本对象特征和图像对象特征；计算文本对象特征和图像对象特征的相似度，得到对象的语义一致性；对文本提示和生成图像中的对象关系进行编码，得到文本关系特征和视觉关系特征；计算文本关系特征和视觉关系特征的相似度，得到关系的语义一致性；综合对象的语义一致性和关系的语义一致性，得到最终的文本生成图像语义一致性评测结果。本发明能够考虑到生成图像与用户给定的文本提示之间的一致性，在包含多个对象的复杂场景中能够对生成图像的对象存在性、对象属性、对象关系等方面做出客观、正确的评测结果。