基于改进GAN-CLS算法从文本描述生成对应图像
机器学习
2018-07-02 v1 机器学习
摘要
在人工智能领域，自动合成图像或文本是一项有价值的研究。由Goodfellow于2014年提出的生成对抗网络（GANs）利用深度神经网络使该任务得以更高效地完成。我们考虑使用GAN从输入文本描述生成对应图像。本文分析了GAN-CLS算法，这是Scott Reed于2016年提出的一种GAN改进方法。首先，我们通过推理发现了该算法存在的问题。随后，我们根据推理通过修改模型的目标函数来纠正GAN-CLS算法。最后，我们在Oxford-102数据集和CUB数据集上进行了实验。结果表明，在某些情况下，我们改进的算法能生成比GAN-CLS算法更合理的图像，且部分生成图像与输入文本的匹配度更好。
引用
@article{arxiv.1806.11302,
title = {Generate the corresponding Image from Text Description using Modified GAN-CLS Algorithm},
author = {Fuzhou Gong and Zigeng Xia},
journal= {arXiv preprint arXiv:1806.11302},
year = {2018}
}