技術特征：

1.一種多模態引導的高保真度圖像壓縮方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的多模態引導的高保真度圖像壓縮方法，其特征在于，所述步驟s100包括：

3.根據權利要求2所述的多模態引導的高保真度圖像壓縮方法，其特征在于，所述步驟s300包括：

4.根據權利要求3所述的多模態引導的高保真度圖像壓縮方法，其特征在于，所述步驟s310包括：

5.根據權利要求4所述的多模態引導的高保真度圖像壓縮方法，其特征在于，所述步驟s320包括：

6.根據權利要求5所述的多模態引導的高保真度圖像壓縮方法，其特征在于，所述步驟s600包括：

7.一種多模態引導的高保真度圖像壓縮系統，其特征在于，所述系統包括存儲器、處理器以及存儲在所述處理器上的多模態引導的高保真度圖像壓縮程序，所述多模態引導的高保真度圖像壓縮程序被所述處理器運行時執行如權利要求1至6任意一項所述的方法的步驟。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有多模態引導的高保真度圖像壓縮程序，所述多模態引導的高保真度圖像壓縮程序被所述處理器運行時執行如權利要求1至6任意一項所述的方法的步驟。

技術總結
本發明公開一種多模態引導的高保真度圖像壓縮方法、系統及介質，本發明首先通過預訓練好的文本編碼器和音頻編碼器提取與圖像特征對齊的文本和音頻特征，然后將它們與圖像特征輸入到多模態特征融合模塊中進行融合。該多模態特征融合模塊利用仿射變換的方法從空間和通道兩個維度提取并融合多模態特征。通過在編碼器端使用多模態特征融合方式進行引導，不僅增強了特征的提取和表達能力，還可以更好地預測潛在特征的分布。此外，本發明設計了鑒別器以進行多模態引導的生成對抗訓練，從而獲得高保真度的圖像。

技術研發人員：梁永生,王根鴻,譚文,鮑有能,孟凡陽
受保護的技術使用者：哈爾濱工業大學（深圳）（哈爾濱工業大學深圳科技創新研究院）
技術研發日：
技術公布日：2025/4/28