文献类型：期刊文章

作　　者：胡涛[1] 李金龙[2]

Hu Tao;Li Jinlong(School of Data Science,University of Science and Technology of China,Hefei 230026,China;School of Computer Science and Technology,University of Science and Technology of China,Hefei 230026,China)

机构地区：[1]中国科学技术大学大数据学院,安徽合肥230026 [2]中国科学技术大学计算机科学与技术学院,安徽合肥230026

出　　处：《信息技术与网络安全》

基　　金：国家自然科学基金(61573328)。

年　　份：2021

卷　　号：40

期　　号：6

起止页码：50-55

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对目前生成以文本为条件的图像通常会遇到生成质量差、训练不稳定的问题,提出了通过单阶段生成对抗网络(GANs)生成高质量图像的模型。具体而言,在GANs的生成器中引入注意力机制生成细粒度的图像,同时通过在判别器中添加局部-全局语言表示,来精准地鉴别生成图像和真实图像;通过生成器和判别器之间的相互博弈,最终生成高质量图像。在基准数据集上的实验结果表明,与具有多阶段框架的最新模型相比,该模型生成的图像更加真实且取得了当前最高的IS值,能够较好地应用于通过文本描述生成图像的场景。

关 键 词：文本生成图像  生成对抗网络  注意力机制  

分 类 号：TP391]