本公开提供了一种图文处理模型训练及图文处理方法、装置、设备及介质，涉及人工智能领域，具体涉及深度学习领域，可用于信息推荐场景。具体实现方案为：将样本文本输入待训练的文本特征提取器得到文本特征，并将样本图像输入待训练的图像特征提取器得到图像特征；根据所述文本特征和所述图像特征之间的相关性，对所述文本特征提取器和所述图像特征提取器的网络参数进行更新；根据所述图像特征和所述样本图像构建监督信号，并根据所述监督信号更新所述图像特征提取器的网络参数。本公开能够提高图像特征提取器的特征提取准确度，从而提高图文相关性判断的准确度。