1. 技术架构概述
讯飞绘镜的图像生成技术可以分为以下几个核心模块：
-
文本理解与视觉元素提取：解析脚本中的场景描述，提取关键视觉元素（如人物、场景、物体等）。
-
视觉元素生成：根据文本描述生成具体的视觉元素（如人物、场景、物体等）。
-
分镜画面生成：将视觉元素组合成连贯的分镜画面。
-
画面优化：对生成的分镜画面进行后处理，提升视觉效果。
2. 文本理解与视觉元素提取
文本理解的目标是从脚本中提取关键视觉元素，包括人物、场景、物体、动作等。
2.1 视觉元素提取
使用自然语言处理技术从文本中提取视觉元素。
模型：
基于 BERT 或 GPT 的文本理解模型。
公式：
对于输入文本 ，视觉元素提取的目标是：
