Resumen

En este documento, proponemos una Red Generativa Adversarial de Concatenación de Atención (ACGAN) con el objetivo de generar imágenes de alta resolución de 1024x1024. En primer lugar, proponemos una estructura de cascada multinivel para la síntesis de texto a imagen. Durante el progreso del entrenamiento, añadimos gradualmente nuevas capas y, al mismo tiempo, utilizamos los resultados y vectores de palabras de la capa anterior como entradas a la siguiente capa para generar imágenes de alta resolución con detalles fotorrealistas. En segundo lugar, se introduce el modelo de similitud multimodal de atención profunda en la red, y emparejamos los vectores de palabras con imágenes en un espacio semántico común para calcular una pérdida de emparejamiento detallada para entrenar al generador. De esta manera, podemos prestar atención a la información detallada a nivel de palabra en la semántica. Por último, se añade la medida de diversidad al discriminador, lo que permite que el generador obtenga direcciones de gradiente más diversas y mejore la diversidad de las muestras gener

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Propuesto; ACGAN; Imágenes de alta resolución; Síntesis de texto a imagen; Modelo de similitud multimodal; Diversidad
• Keywords:Proposed; ACGAN; High-resolution images; Text-to-image synthesis; Multimodal similarity model; Diversity