科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着深度学习的快速发展，基于生成对抗网络的文本图像合成领域成为了当下计算机视觉研究的热点。生成对抗网络同时包含生成器和鉴别器，通过两者的博弈来实现逼真数据的生成。受生成对抗网络的启发，近几年提出了一系列的文本图像合成模型，从图像质量、多样性、语义一致性方面不断取得突破。为推动文本图像合成领域的研究发展，对现有文本图像合成技术进行了全面概述。从文本编码、文本直接合成图像、文本引导图像合成方面对文本图像合成模型进行了分类整理，并详细探讨了各类基于生成对抗网络的代表性模型的模型框架和关键性贡献。分析了现有的评估指标和常用的数据集，提出了现有方法在复杂场景和文本、多模态、轻量化模型、模型评价方法等方面的不足和未来的发展趋势。总结了目前生成对抗网络在各领域的发展，重点关注了在文本图像合成领域的应用，可以作为一个研究人员进行图像合成研究时选择深度学习相关方法的权衡和参考。
- 单位
