用于文本到图像合成的感知损失对抗网络
计算机视觉与模式识别
2017-08-31 v1
摘要
近期生成对抗网络(GANs)的方法可以自动从描述性文本合成逼真图像。尽管整体质量尚可，但生成的图像常暴露出明显缺陷，缺乏感兴趣对象的结构定义。本文旨在通过对生成图像感知质量的改进，拓展基于GAN的文本到图像合成的最先进水平。与先前工作不同，我们的合成图像生成器在感知损失函数上优化，这些函数度量与自然图像之间的像素、特征激活和纹理差异。我们展示了从文本描述生成的视觉上更引人注目的鸟和花合成图像，与一些最显著的现有工作相比。
引用
@article{arxiv.1708.09321,
title = {Adversarial nets with perceptual losses for text-to-image synthesis},
author = {Miriam Cha and Youngjune Gwon and H. T. Kung},
journal= {arXiv preprint arXiv:1708.09321},
year = {2017}
}