基于条件扩散模型的可控东南亚文本图像生成方法及装置

本发明涉及基于条件扩散模型的可控东南亚文本图像生成方法及装置，属于自然语言处理技术领域。东南亚语言属于低资源语言，针对东南亚语言场景文本图像生成中合成数据质量较低、与真实场景差距较大，导致训练的场景文本识别模型在实际应用中性能下降的问题，本发明提出了一种基于条件扩散模型的可控东南亚文本图像生成方法，主要包括东南亚语言文本草图图像构建、融合场景风格信息的文本编码和基于注意力机制的文本图像控制生成三部分。根据这三个功能模块化研制基于条件扩散模型的可控东南亚文本图像生成装置，有效提升了生成的东南亚语言场景文本图像在视觉质量和结构一致性，有助于提升识别模型在真实场景中的识别性能。