基于视觉理解的视觉自编码器训练方法及装置

本申请公开了基于视觉理解的视觉自编码器训练方法及装置，涉及人工智能技术领域。包括：基于视觉自编码器对训练图像进行特征编解码，得到重建图像；基于视觉自编码器、联合训练文本模型和视觉自编码器对应的教师模型中的至少一个，对训练图像进行视觉理解增强，得到视觉理解支撑表征；基于训练图像和重建图像计算重建损失值，基于视觉理解支撑表征和视觉自编码器输出的视觉理解表征计算视觉理解损失值；基于视觉理解损失值和重建损失值更新视觉自编码器的模型参数，得到目标视觉自编码器。本申请技术方案可以提高视觉自编码器的模型性能，提高模型的稳定性能，提高模型训练效率。