一种多模态智能体训练的单证数据合成方法、装置、设备及存储介质

著录项目

摘要

本申请的实施例提供了一种多模态智能体训练的单证数据合成方法、装置、设备及存储介质。包括：获取真实单证图像，擦除可变文本保留固定版面，建立填充字段的空间坐标与排版映射，获得基准模板；对模板倾斜检测与反向旋转校正，修复擦除区域；基于业务逻辑生成提示词，利用大语言模型批量生成满足多字段逻辑一致的结构化文本；按映射配置在模板上自适应渲染文本并叠加仿真印章，再按原倾斜角正向旋回；对旋回图像施加跨模态环境噪声增强，同步输出合成图像与结构化标签。本申请解决了多模态智能体训练中样本稀缺、业务逻辑不一致及空间对齐精度低的问题，实现像素级精准对齐的高质量数据自动生成。

附图

附图 1