计算机工程与科学

作者：谭红臣, 黄世华, 肖贺文, 于冰冰, 刘秀平

单位：（1.北京工业大学人工智能与自动化学院,北京 100124;2.香港理工大学计算机科学系,香港 999077;3.大连理工大学数学科学学院,辽宁 大连 116024）

关键词：文本至图像生成,生成对抗网络,注意力机制,判别模型,

基金：国家自然科学基金（61976040,62172073）；中国博士后科学基金委第70批博士后面上项目(2021M700303)

目前大部分基于生成对抗网络GAN的文本至图像生成算法着眼于设计不同模式的注意力生成模型，以提高图像细节的刻画与表达,但忽略了判别模型对局部关键语义的感知，以至于生成模型可能生成较差的图像细节“欺骗“判别模型。提出了判别语义增强的生成对抗网络DE-GAN模型,试图在判别模型中设计词汇-图像判别注意力模块，增强判别模型对关键语义的感知和捕捉能力，驱动生成模型生成高质量图像细节。实验结果显示，在CUB-Bird数据集上，DE-GAN在IS指标上达到了4.70，相比基准模型提升了4.2%，达到了较高的性能表现。

来源：2022年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第5期