生成对抗网络与文本图像生成方法综述.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2023，59（19）21

生成对抗网络与文本图像生成方法综述

赖丽娜，米瑜，周龙龙，饶季勇，徐天阳，宋晓宁

江南大学人工智能与计算机学院，江苏无锡214122

摘要：随着多传感器的普及，多模态数据获得科研和产业面的持续关注，通过深度学习来处理多源模态信息的技

术是核心所在。文本生成图像是多模态技术的方向之一，由于生成对抗网络（GAN）生成图像更具有真实感，使得文

本图像生成取得卓越进展。它可用于图像编辑和着色、风格转换、物体变形、照片增强等多个领域。将基于图像生

成功能的GAN网络分为四大类：语义增强GAN、可增长式GAN、多样性增强GAN、清晰度增强GAN，并根据分类法

提供的方向将基于功能的文本图像生成模型进行整合比较，厘清脉络；分析了现有的评估指标以及常用的数据集，

阐明了对复杂文本的处理等方面的可行性以及未来的发展趋势；系统性地补充了生成对抗网络在文本图像生成方

面的分析，将有助于研究者进一步推进这一领域。

关键词：多模态；生成对抗网络；文本图像生成；深度学习

文献标志码：A中图分类号：TP391.9doi：10.