场景图像的生成方法、装置、电子设备及可读存储介质

本申请涉及图像生成技术领域，提供了一种场景图像的生成方法、装置、电子设备及可读存储介质。该方法包括：通过文本编码器对文本描述信息进行处理得到第一文本特征；通过图像特征提取模块对参考图像进行处理得到全局图像特征、图像背景特征、骨架图、人物语义图像融合特征和人脸语义图像融合特征；通过人物人脸特征融合模块对第一文本特征、人物语义图像融合特征、人脸语义图像融合特征进行交叉融合，得到人物人脸融合特征；通过扩散模型，对预设噪声图和骨架图融合后的特征、全局图像特征、图像背景特征、第一文本特征和人物人脸融合特征进行处理，生成待生成对象的目标场景人物图像。解决了相关技术难以精准塑造人物个性化特征的技术问题。