内容生成方法、装置、设备、存储介质及程序产品

本申请公开了一种内容生成方法、装置、设备、存储介质及程序产品，涉及大语言模型视觉感知技术领域，该方法包括：获取图像数据以及图像数据对应的问题信息；利用目标生成式模型识别问题信息的语义特征，按照语义特征在图像数据中定位问题信息对应的视觉区域；利用目标生成式模型识别视觉区域中的视觉信息，按照视觉信息生成与问题信息相匹配的目标文本内容；其中，目标生成式模型是基于视觉重现和多模态信息训练生成的。通过实施本公开技术方案，能够充分识别图像数据中的视觉特征，提升视觉信息的处理能力，结合语义特征以及视觉信息进行内容生成的推理，实现了多模态数据的有效整合，从而提升了内容生成效果。