DR-GAN：面向文本生成图像的分布正则化方法
计算机视觉与模式识别
2022-04-19 v1
摘要
本文提出一种新的文本生成图像模型，称为分布正则化生成对抗网络（DR-GAN），通过改进的分布学习从文本描述生成图像。在 DR-GAN 中，我们引入两个新模块：语义解耦模块（SDM）和分布归一化模块（DNM）。SDM 结合空间自注意力机制与一种新的语义解耦损失（SDL）来帮助生成器提炼用于图像生成的关键语义信息。DNM 使用变分自编码器（VAE）对图像隐空间分布进行归一化和去噪，可帮助判别器更好地区分合成图像与真实图像。DNM 还采用分布对抗损失（DAL）引导生成器在隐空间中与归一化的真实图像分布对齐。在两个公开数据集上的大量实验表明，我们的 DR-GAN 在文本生成图像任务中取得了具有竞争力的性能。
引用
@article{arxiv.2204.07945,
title = {DR-GAN: Distribution Regularization for Text-to-Image Generation},
author = {Hongchen Tan and Xiuping Liu and Baocai Yin and Xin Li},
journal= {arXiv preprint arXiv:2204.07945},
year = {2022}
}
备注
Accepted by TNNLS