Semantics Disentangling for Text-to-Image Generation论文阅读,CVPR2019
paper:https://arxiv.org/pdf/1904.01480v1.pdf
code:无
文本到图像的生成领域存在的一个问题:人类对同一张图片的描述是主观的、多样的。而从同一张图片的不同的语言描述中提取一致的语义信息是一个挑战。
贡献:
- 从文本中提取语义共享空间——该算法通过引入Siamese mechanism,能够在不同的文本描述方式下生成一致的图像。
- 保留文本的语义多样性和细节——设计了一种增强视觉-语义嵌入的方法,即SCBN,指导图像多样性和细节的生成。
网络结构
该网络是在AttnGAN上进行修改的。
siamese结构、SCBN、AttnGan的堆叠结构
siamese结构
**
**
采用对比损失来最小化由同一真实图像的不同描述生成图像的距离,同时最大化不同真实图像的生成图像距离。
在训练阶段,生成的图像受到两个分支的文本描述的影响。
对比损失函数
SCBN
SCBN的计算公式
定量效果与定性效果