Resumen

Generar imágenes a partir de texto es una tarea interesante, clásica y desafiante. Beneficiada por el desarrollo de redes generativas adversarias (GAN), la calidad de generación de esta tarea ha mejorado considerablemente. Se han propuesto muchos modelos GAN excelentes de modalidad cruzada. Estos modelos añaden capas extensas y restricciones para obtener imágenes de generación impresionantes. Sin embargo, la complejidad y la computación de los GANs de modalidad cruzada existentes son demasiado altas para ser implementadas en terminales móviles. Para resolver este problema, este artículo diseña un GAN de modalidad cruzada compacto basado en la descomposición poliádica canónica. Reemplazamos una capa de convolución original con tres capas de convolución pequeñas y utilizamos un autoencoder para estabilizar y acelerar el entrenamiento. Los resultados experimentales muestran que nuestro modelo logra una compresión del 20% en ambos parámetros y FLOPs sin pérdida de calidad en las imágenes generadas.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Imágenes; Texto; Redes generativas adversarias; GAN; Multimodal cruzado; Convolución
• Keywords:Pictures; Text; Generative adversarial networks; GAN; Cross modal; Convolution