GILT：从长文本生成图像
计算机视觉与模式识别
2019-01-09 v1 人工智能
机器学习
摘要
创建反映长文本内容的图像是一个需要创造力的复杂过程。例如，基于书籍简介创建书封面或电影海报，或基于食谱创建食物图像。在本文中，我们提出从不直接描述图像视觉内容的长文本生成图像这一新任务。为此，我们构建了一个以食谱为条件生成食物的高分辨率 256 256 图像的系统。食谱文本（不含标题）与图像视觉内容之间的关系是模糊的，且食谱的文本结构复杂，由两部分（食材和步骤）组成，均包含多个句子。我们使用 recipe1M 数据集来训练和评估基于 StackGAN-v2 架构的模型。
引用
@article{arxiv.1901.02404,
title = {GILT: Generating Images from Long Text},
author = {Ori Bar El and Ori Licht and Netanel Yosephian},
journal= {arXiv preprint arXiv:1901.02404},
year = {2019}
}