원래 이름 기록: 北京灵芒智能技术有限公司

本发明公开了一种基于大模型的图像描述文本的生成方法，涉及图像处理技术领域，包括图像预处理步骤，采用混合去噪与自适应归一化，通过语义分割划分目标层级并提取关键视觉信息；特征提取步骤，融合多尺度视觉特征与语义特征，经跨模态对齐生成高维融合特征向量；大模型初始化与适配步骤，加载预训练模型并增量式微调，动态调整Prompt模板；文本生成步骤，通过逻辑约束与束搜索生成候选文本；文本优化调整步骤，基于多维度评估与用户偏好迭代修正，输出最终描述文本。本发明提升图像描述的语义匹配度、逻辑连贯性与常识准确性，通过动态适配与迭代优化适配多元场景，为高精度与多样化场景提供高质量文本描述支持。