TAC-GAN——文本条件辅助分类器生成对抗网络
计算机视觉与模式识别
2017-03-28 v2
摘要
在这项工作中，我们提出了文本条件辅助分类器生成对抗网络（TAC-GAN），这是一种文本到图像的生成对抗网络（GAN），用于根据文本描述合成图像。以往的方法尝试在生成过程中加入文本数据作为条件；但将其与已知能够多样化生成样本并改善其结构连贯性的类别信息的使用相结合，尚未被探索。我们在Oxford-102花卉数据集上训练了所提出的TAC-GAN模型，并使用Inception Score评估生成图像的可辨别性，同时使用多尺度结构相似性指数（MS-SSIM）评估其多样性。我们的方法优于当前最先进的模型，即其Inception Score为3.45，相较于最近提出的StackGAN相对提升了7.8%。对每个类别训练样本和生成样本的平均MS-SSIM分数的比较表明，我们的方法能够生成高度多样化的图像，所有生成类别的平均MS-SSIM为0.14。
引用
@article{arxiv.1703.06412,
title = {TAC-GAN - Text Conditioned Auxiliary Classifier Generative Adversarial Network},
author = {Ayushman Dash and John Cristian Borges Gamboa and Sheraz Ahmed and Marcus Liwicki and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:1703.06412},
year = {2017}
}