风格图像生成方法、装置、电子设备及存储介质

本申请提供一种风格图像生成方法、装置、电子设备及存储介质。该方法包括：对风格参考图进行多尺度特征提取，得到多个尺度的风格图像特征；对风格参考图进行语义特征提取，得到风格图像语义特征，对文本描述进行语义特征提取，得到文本特征，对原始参考图进行结构特征提取，得到结构特征；对风格图像特征进行维度变换，并将维度变换后的风格图像特征与风格图像语义特征进行拼接；将风格图像拼接特征与文本特征进行融合，生成风格图像融合特征，并将风格图像融合特征与文本特征进行跨模态特征融合，生成综合语义特征；基于扩散模型输出目标图像。本申请能够充分提取图像风格特征，提升语义理解与转换的准确性，增强风格一致性和连贯性。