基于美学评判的文本生成图像优化

• 作者: 徐天宇 王智
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 文本生成图像 对抗生成网络(GAN) 美观度评判 StackGAN++ 美学损失
• 年，卷（期）: 2019,（12）
• 页码范围: 2438-2448
• 页数: 11页
• 分类号: TP391.41|TP183
• 字数: 9459字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2019.0366

摘要

在对抗生成网络(GAN)这一概念的诞生及发展推动下,文本生成图像的研究取得进展和突破,但大部分的研究内容集中于提高生成图片稳定性和解析度的问题,提高生成结果美观度的研究则很少.而计算机视觉中另一项经典的课题——图像美观度评判的研究也在深度神经网络的推动下提出了一些成果可信度较高的美观度评判模型.本文借助美观度评判模型,对实现文本生成图像目标的GAN模型进行了改造,以期提高其生成图片的美观度指标.首先针对StackGAN++模型,通过选定的美观度评判模型从美学角度评估其生成结果;然后通过借助评判模型构造美学损失的方式对其进行优化.结果 使得其生成图像的总体美学分数比原模型提高了3.17％,同时Inception Score提高了2.68％,证明所提方法具有一定效果,但仍存在一定缺陷和提升空间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王智	清华大学计算机科学与技术系	15	24	2.0	4.0
2	徐天宇	清华大学计算机科学与技术系	1	1	1.0	1.0