1.一种基于人类反馈强化学习的文生图优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人类反馈强化学习的文生图优化方法，其特征在于，所述建立人类反馈偏好网络模型，所述人类反馈偏好网络模型包括：图像编码器、提示词编码器、交叉注意力网络模块、全连接网络模块；所述图像编码器、提示词编码器分别与交叉注意力网络模块的输入端连接，所述交叉注意力网络模块的输出端与全连接网络模块连接。
3.根据权利要求2所述的一种基于人类反馈强化学习的文生图优化方法，其特征在于，将提示词文本和多个初始图像输入到人类反馈偏好网络模型，获得初始图像的反馈回报值、反馈回报值最低的初始图像和反馈回报值最高的初始图像，所述反馈回报值最低的初始图像作为中间状态图像，包括：
4.根据权利要求3所述的一种基于人类反馈强化学习的文生图优化方法，其特征在于，所述将词向量和图像隐空间特征向量输入到交叉注意力网络模块，获得的融合输出特征为：
5.根据权利要求1所述的一种基于人类反馈强化学习的文生图优化方法，其特征在于，所述建立人类反馈偏好网络模型后，所述方法还包括：对人类反馈偏好网络模型进行训练；其中，对所述人类反馈偏好网络模型进行训练，包括：
6.根据权利要求1所述的一种基于人类反馈强化学习的文生图优化方法，其特征在于，所述建立深度强化学习网络模型包括：