模型训练方法、装置、设备以及存储介质

本公开提供了一种模型训练方法、装置、设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型、图像处理、多模态信息处理等技术领域。具体实现方案为：将第一样本图像输入第一视觉编码器，以将第一样本图像映射到连续的潜在空间，得到中间特征；将中间特征输入待训练视觉编码器得到待优化视觉特征；基于待优化视觉特征确定第一训练损失；基于第一训练损失，优化待训练视觉编码器，以得到包括第一视觉编码器和第二视觉编码器的连续视觉编码器；第二视觉编码器为训练收敛的待训练视觉编码器。