提出了一种利用场景图生成图像的模型，其中包括图形卷积来处理输入图形、预测对象的边界框和分割掩模来计算场景布局，并使用级联细化网络将布局转换为图像，训练对抗鉴别器来确保生成的图像具有逼真度。

Apr, 2018

本研究提出使用生成对抗网络（GAN）生成细粒度场景图的方法，该方法首先生成单个关于具体区域场景的子图，并在不需要边界框标签的情况下，生成带属性信息的场景图。实验证明了该模型在数据集上的表现优于之前的工作，并能处理更大的词汇量。

Feb, 2018

该研究提出使用基于类比的语义控制生成城市场景的方法，并证明该方法在各项指标和城市场景基准测试中优于现有基线。 此外，作者还证明了用于数据增强的实用性。

Jun, 2021

本研究基于深度卷积神经网络，针对图像生成中的属性变换问题，在两个面部数据集上进行了有量有质的实验，并取得了较为有前途的结果。

Nov, 2015

探究了从视觉属性生成图像的新问题，开发了一种具有分离潜在变量的分层生成模型，该模型可以使用变分自动编码器进行端到端学习，使用一般的能量最小化算法进行后验推理，展示了在面部和鸟类自然图像中生成具有分离潜在表示的逼真多样样本的优异结果。

Dec, 2015

本文提出了一种语义引导场景生成的方法，设计了一个局部类特定的生成网络，配合语义地图和注意力融合模块实现了全局和局部场景细节生成的结合，进而在两个场景图像生成任务上取得了最新的最佳结果。

Dec, 2019

通过在生成器中条件化卷积核以更好地利用语义布局，提出一种特征金字塔语义嵌入判别器的多尺度生成对抗网络方法，该方法在各种语义分割数据集上实现了优秀的量化指标和主观评估。

Oct, 2019

该研究论文旨在通过提出的模型从二维场景中提取具有建筑意义的语义描述，通过训练合成生成的图像以及相应的高级建筑结构，使用像素级比较评估，在真实环境中对其性能进行测试和评估。

Dec, 2023

利用递归神经网络和深度卷积生成对抗网络构建了新的深度架构和 GAN 公式，将字符转换为像素，有效地将文本和图像建模相结合，从而实现了从详细文本描述中生成花和鸟的逼真图像的能力。

May, 2016

提出利用语义布局来综合生成逼真图像的新方法，该方法建立了区域之间的依赖关系并通过动态加权网络实现，既保留了语义区分，同时加强了语义相关性，提高了全局结构和细节的合成质量。

Sep, 2021