本篇论文提出一种基于对比学习方法的文本到图像合成框架，旨在提升合成图像的质量和语义一致性，通过对 pretraining 和 GAN training 阶段进行改进，该方法在两个流行数据集上的实验结果表明，相对于 AttnGAN 和 DM-GAN，能够显著提高合成图像的质量。

Jul, 2021

该论文提出了一种基于深度生成模型的多个描述生成图片的方法，并通过对 CUB 和 Oxford-102 Flowers 数据集的实验结果证实了该方法的有效性。

Sep, 2018

本文提出 TediGAN 框架，用于多模态图像生成和操作。该方法包括三个组件：StyleGAN 反演模块，视觉 - 语言相似度学习和实例级优化。模型可使用多模态输入生成多样化，分辨率为 1024 的高质量图像，并提出 Multi-Modal CelebA-HQ 数据集以支持文本引导的多模态综合。经过广泛实验，本方法展现出优越性能。

Dec, 2020

通过使用近似可逆的架构，Pix2pix 和 CycleGAN 损失大大提高了图像到图像翻译任务的定量和定性质量。我们在这个框架中探索了近似可逆的架构，并展示了这些模型在 Cityscapes 和 Maps 数据集上具有卓越的定量输出。

Feb, 2019

本文提出了一种基于无监督学习的方法 —— 循环训练，用于改善从结构化数据向自然语言文本的转化问题，在四个数据集中，这种方法表现得像完全监督方法一样出色，通过自动评价和人工评估表明，循环训练策略的不同对于降低文本生成错误类型的有效性也不同。

May, 2023

该论文介绍了一种基于生成式对抗网络的图像生成方法，引入了一种简单有效的语义 - 空间感知块，学习语义自适应变换，并在弱监督方式下学习语义掩膜，从而在保持视觉保真度的同时，能够对输入文本精准对齐。

Apr, 2021

介绍了一种基于图像反演的方法 --IMAge-Guided model INvErsion（IMAGINE），通过匹配经过训练的分类器中的多层特征表示和外部鉴别器的对抗训练，来从单一训练样本生成高质量和多样化的图像，实现了在维持语义特性约束的同时生成逼真图像，并且可以让用户直观地控制生成过程。经过大量实验证明，在对象、场景和纹理这三个不同的图像域中，IMAGINE 都比现有的基于 GAN 或基于反演的方法表现更好。

Apr, 2021

提出了一种单一的文本到图像生成和操纵的流程，其中在我们的流程的第一部分，介绍了 TextStyleGAN 这个在文本上进行训练的模型；第二部分使用预训练的 TextStyleGAN 权重进行语义面部图像操纵，并通过在潜空间中找到语义方向来完成。我们展示了该方法可以用于广泛的面部图像属性操纵，并介绍了 CelebTD-HQ 数据集作为 CelebA-HQ 的扩展，其中包含了人脸及相应的文本描述。

May, 2020

本文提出了一个面对无监督学习的编译型操作循环一致性生成对抗网络（cManiGAN）来处理目标自由的文本引导图像操作问题，并在实验中证实了该方法在 CLEVR 和 COCO 数据集上的有效性和通用性。

Nov, 2022

该研究提出了一种统一框架来生成和处理面部图像，基于预训练的 GAN 模型，使用两种新颖的策略，直接优化潜在空间的潜在编码以获取多模式输入的图像生成和操纵，并提出了一个大型数据集 Multi-Modal CelebA-HQ。

Apr, 2021