典型文献
基于语义一致性的细节保持图像生成方法
文献摘要：
生成对抗网络被广泛应用于文本生成图像领域,但在生成过程中容易导致部分图形缺失必要的细节.为了生成包含更多细节特征的细粒度图像,提高文本与图像的语义一致性,提出一种基于语义一致性的细节保持图像生成方法.首先,挖掘文本描述中的潜在语义,引入特征提取模块选择文本中的重要单词和句子,获取单词和句子之间的语义结构信息;其次,构造细节保持模块关联图像与文本信息,结合混合注意力机制,定位特定文本对应的图像区域,将定位区域与文本信息关联,增强和优化生成图像的细节;最后,融合语义损失和感知损失,将句子的图像和单词的子区域映射到共同语义空间.实验结果表明,在CUB数据集上,IS和FID指标分别达到4.77和15.47;在COCO数据集上,IS和FID指标分别达到35.56和27.63.
文献关键词：
生成对抗网络;语义一致性;细节保持;注意力机制
中图分类号：
作者姓名：
崔怀磊;刘丽;张化祥;刘冬梅;马跃;王泽康
作者机构：
山东师范大学信息科学与工程学院 济南 250399;山东交通学院信息科学与电气工程学院 济南 250300
文献出处：
引用格式：
[1]崔怀磊;刘丽;张化祥;刘冬梅;马跃;王泽康-.基于语义一致性的细节保持图像生成方法)[J].计算机辅助设计与图形学学报,2022(10):1497-1505
A类：
B类：
语义一致性,细节保持,图像生成,生成方法,生成对抗网络,文本生成图像,图像领域,生成过程,细节特征,细粒度,文本描述,取模,单词,句子,语义结构信息,构造细节,关联图,文本信息,混合注意力机制,信息关联,化生成,合语,感知损失,子区域,射到,共同语,语义空间,CUB,IS,FID,COCO
AB值：
0.364602
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
