T2I

基于近年来图像处理和语言理解方面的技术突破，融合图像和文本处理的多模态任务获得了广泛的关注并取得了显著成功。 文本生成图像（text-to-image）是图像和文本处理的多模态任务…

GigaGAN是Adobe和卡内基梅隆大学学者们提出的一种新的GAN架构，作者设计了一种新的GAN架构，推理速度、合成高分辨率、扩展性都极其有优势，其证明GAN仍然是文本生成图像的…

当前T2I模型的一大限制就是如何有效地融合文本和图像信息？ 目前常用的有特征拼接（features concatenation）、跨模态注意（cross-modal attenti…

RAT-GAN提出了一种用于生成对抗网络的递归仿射变换 (RAT)，将所有融合块与递归神经网络连接起来，以模拟它们的长期依赖关系，跟DF-GAN很类似。文章发表于2022年4月。 …

一、FID分数简介 FID全称为：Fréchet Inception Distance。 FID分数用于根据预训练网络提取的特征，测量真实图像分布和生成图像分布之间的距离。真实图像…

内容 一、简介 二、inception score（IS） 2.1、原理 2.2、复现 2.3、排行榜 2.4、不足 三、FID（Fréchet Inception Distanc…