目前,深度学习已经成功应用在了图像、视频、文本以及语音处理等多个领域。与此同时,将深度学习应用于图像-文本结合、视频-语音结合等多模态结合场景的研究仍处于初始阶段。其中,针对图像和文本结合场景中条件图像合成的研究较少,已有研究仅包含基于自然语言文本描述进行图像编辑这一单一任务类型,且编辑效果并不理想。但这一研究在智能交互式图像处理等领域未来的应用前景巨大。因此,本文从结合图像与文本的条件图像合成研究的两个不同研究任务出发,分别设计了两个模型,旨在通过研究丰富这一领域的研究内容以及改进现有研究存在的不足、提升现有方法的实验效果。为了解决结合图像与文本的条件图像合成研究成果较少、任务类型单一等问题,本文首先创新性地提出了利用图像与自然语言文本描述进行部分图像合成的方法,并将这一任务定义为基于自然语言文本描述的部分图像合成研究。该研究的整体目标是,输入一张仅包含部分前景信息的图像以及一句真实图像的文本描述,实现对图像背景区域的合成,最终合成一张在视觉上完整且满足文本描述的图像。通过对基于自然语言文本描述生成图像以及图像修复等工作的调查研究,本文在现有工作基础上首次提出并实现了利用给定文本描述,为仅包含部分前景的图像合成合理背景的任务需求,丰富了结合图像与文本的条件图像合成领域的研究内容。其次,为了改进结合图像与文本的条件图像合成研究领域的现有研究成果,本文的第二个研究聚焦于基于自然语言文本描述的图像编辑研究任务。该研究的整体目标是,输入一张原始图像以及一句目标文本描述,输出一张经过编辑的图像,使得输出图像在整体上满足文本描述,同时保持原有图像中与文本描述无关的细节。针对现有研究中存在的编辑精度较低、对文本描述无关区域保持效果差等问题,本文通过引入基于注意力机制预训练的文本编码器、精心设计的基于注意力机制的解码单元以及在模型训练时加入的重构损失和深度注意多模态相似性模型损失函数,极大地提高了现有方法的编辑精度、改善了现有方法在图像编辑效果以及文本描述无关区域图像保持等方面的不足。本文针对两个不同研究任务分别开展了大量实验,并构建了多组对比实验。实现结果表明,在与其他方法的定性和定量对比上,本文设计的基于自然语言文本描述进行部分图像合成的模型以及基于自然语言文本描述进行图像编辑的模型在各自任务上均有很好的表现。