视觉与语言应用：一项综述

近年来，文本到图像生成因其在各行业广泛而多样的应用而吸引了研究者与从业者的显著兴趣。尽管视觉与语言研究已取得进展，现有文献仍相对有限，尤其在该领域的进展与应用方面。本文探讨了多模态应用（包括文本、视觉、音频等）中的一条相关研究脉络。除本文讨论的研究外，我们也致力于在 https://github.com/Yutong-Zhou-cv/Awesome-Text-to-Image 持续更新最新的相关论文、数据集、应用项目及对应信息。