摘要
本发明涉及一种基于预训练跨模态特征对齐嵌入的生成图像质量评估方法,与现有技术相比,该方法解决了传统图像质量评估过程中,由于忽视生成提示信息以及忽视局部视图质量退化等问题,而引起的质量评估精度受限的缺陷。该方法包括:获取生成图像质量评估数据集;图像多粒度分解;构建动态质量原型;构建质量评估模型;训练质量评估模型;获取质量评估结果。本发明通过在预训练大模型构建的跨模态特征对齐空间内,完成对图像的对象显示索引区域划分,构建动态质量原型拟合数据质量流形分布,并结合生成图像时的文本提示信息构造增强表达语句,完成对图像内容与文本提示一致性考察,同时兼顾全局视图质量评估,在多个场景下显著提高图像质量评估任务精度。
技术关键词
原型
跨模态
对象
动态
文本编码器
语义
模块
索引
多模态特征
图像编码器
聚类算法
视觉
评价图像
样本
数据
矩阵
系统为您推荐了相关专利信息
视觉特征
空间拓扑关系
多通道特征
语义
对象识别
药物
更新模型参数
构建训练集
匹配模块
登录系统
变频节能电机
电机运行参数
监测预警方法
历史运行数据
定子绕组温度
可视化监控系统
在线增量学习
离心机
分布式数据采集
分散控制系统