基于在线强化学习优化的流匹配图像生成方法及装置

本发明涉及人工智能技术领域，本方案可应用于金融、医疗领域，本发明提供一种基于在线强化学习优化的流匹配图像生成方法及装置，方法包括：借助流匹配图像生成模型将输入的提示词转化为多个初始噪声；在流匹配图像生成模型中，基于SDE采样策略，结合预定义的策略参数按照预设的第一采样时间步对多个初始噪声进行逐步去噪，生成多个候选图像；通过标准差归一化获取每个候选图像对应的优势值；引入GRPO强化学习机制，基于每个候选图像对应的优势值对策略参数进行优化，得到优化后策略参数；基于优化后策略参数，通过流匹配图像生成模型生成与提示词相对应的高质量图像。本发明提升了组合图像生成与文字渲染任务的准确率，缩短训练时间。