文本引导的图像细化方法、装置、设备及介质

本发明涉及人工智能技术领域，公开了一种文本引导的图像细化方法，包括：获取包含文本描述和图像数据的训练数据集，标注图像中的特定区域，定义文本触发关键词，并将关键词与特定区域的标注信息建立映射关系；将更新后的训练数据集输入初步生成模型，识别关键词对应的特定区域，并调整生成模型的注意力分配机制，优化模型对特定区域的细节生成效果；基于优化后的生成模型生成包含细化结果的目标图像。本发明通过在训练阶段引入文本触发关键词并结合显著性区域的标注信息，增强模型对特定区域的识别和优化能力，实现了细化结果在生成过程中直接融入生成器，从而减少后处理步骤，能够有效提升复杂场景中特定区域的生成精度。