基于文本引导的图像裁剪方法、装置、设备和存储介质

本发明涉及图像处理技术领域，提供一种基于文本引导的图像裁剪方法、装置、设备和存储介质，其中方法包括：对待裁剪图像和文本描述进行特征提取，并基于提取得到的图像特征和文本特征，生成与文本描述语义匹配的初始裁剪框；采用强化学习算法，对初始裁剪框进行动态优化，得到多个候选裁剪图像；采用多维度评分机制对各候选裁剪图像进行评分，并基于各候选裁剪图像的得分，确定出目标裁剪图像。本发明通过基于图像特征和文本特征确定初始裁剪框，再利用强化学习算法，设计美学评估结果、语义相似度评分和边界约束的复合奖励函数来优化裁剪框，最终自动高效地生成符合用户意图的最佳图像美学裁剪结果，实现了美学质量与语义一致性的最优平衡。