2019-2021 文本生成图片 Text To Image（T2I） Synthesis 论文整理

最新推荐文章于 2025-04-27 09:07:24 发布

芋圆526

最新推荐文章于 2025-04-27 09:07:24 发布

阅读量4k

点赞数 5

分类专栏：论文阅读文章标签：人工智能

本文链接：https://blog.youkuaiyun.com/qq_26136211/article/details/115206130

版权

本文汇总了近年来关于文本到图像生成的研究，涵盖了多种对抗性神经网络模型，如Semantic Enhancement, Resolution Enhancement, Diversity Enhancement, Motion Enhancement GANs等。文章探讨了如何利用条件生成对抗网络、对比学习、注意力机制、语义解析等技术提高图像质量和多样性。重点论文包括ControlGAN、CPGAN、DM-GAN、PerceptionGAN、SAM-GAN等，这些模型在生成逼真图像、图像操纵和语义一致性方面取得进展。此外，还提到了用于评估生成图像的新指标和数据集。" 132988096,20037795,Spring Cloud Config 实现微服务配置管理,"['spring cloud', '微服务', '配置管理']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：文本生成图像！GAN生成对抗网络相关论文大汇总

A Survey and Taxonomy of Adversarial Neural Networks for Text-to-Image Synthesis

介绍了关于GAN生成对抗网络的相关Text-to-Image论文，将其分类为Semantic Enhancement GANs, Resolution Enhancement GANs, Diversity Enhancement GANs, Motion Enhancement GANs四类，介绍了代表性model，如下图所示。
　　详细内容：https://www.cnblogs.com/zyyz1126/p/14474382.html 末尾

Adversarial Learning of Semantic Relevance in Text to Image Synthesis

以conditional GANs为基础，discriminator的auxiliary task。图片diversity高。基于负采样。

Controllable Text-to-Image Generation

ControlGAN。可以控制图片局部生成，一个word-level的generator。有github代码：https://github.com/mrlibw/ControlGAN。更多的可以看同一作者写的ManiGAN。
　　详细内容：https://www.cnblogs.com/zyyz1126/p/14495753.html
　　 github

CPGAN Full-Spectrum Content-Parsing Generative Adversarial Networks for Text-to-Image Synthesis

content parsing。设计了一个memory structure来存储一个单词对应的图片。使用了一个conditional discriminator来判断文本图片局部的联系。
　　详细内容：https://blog.youkuaiyun.com/qq_26136211/article/details/115067516
　　github没有训练代码。