文本到艺术图像生成
本文针对从文字获取真实风格的图片和使用图片风格实现真实画作两个任务,探索了两种策略,即生成真实图片并应用风格转移和训练图像生成模型,然后在后期精调含有标题的画作。最后评估了这两种模型,并进行了用户研究以获取反馈。
Feb, 2023
使用神经生成能力和感知注入技术,本研究提出了一种无需提示的生成方法,使用户能够自动生成个性化的具有自定义艺术风格的画作内容。
Feb, 2024
通过生成对抗网络(GAN)或变压器模型进行文本到图像生成。提出了一种方法,利用人工智能模型进行主题创造,并对实际绘画过程进行分类建模。通过将所有视觉元素转化为可量化的数据结构来创建图像,并与现有的图像生成算法进行语义准确性、图像可复现性和计算效率方面的有效性评估。
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
本文研究以图像为输入生成多行诗歌的任务,通过提出多个深度神经网络模型,包括一个深度视觉 - 诗歌嵌入模型、一个多模式鉴别器和一个诗歌风格鉴别器,并且通过多重对抗性训练方法,实现跨模态关联和保证诗意的诗歌生成能力。实验结果表明,本论文提出的方法优于现有的诗歌生成算法。
Apr, 2018
该研究提出了一种基于生成对抗网络的系统,可以合成手写单词的合成图像,并在将其与现有训练数据集集成后通过改进通用 GAN 体系结构进行离线手写文本识别。
Mar, 2019
通过引入一个专门关注文本学习的新框架 ARTIST,有助于提升扩散模型在生成富文本图像时的文本渲染能力,并利用预训练的大型语言模型来解释用户意图,提高生成质量。在 MARIO-Eval 基准测试上的实证结果表明,该方法在各种度量标准上的性能提升达到了 15%。
Jun, 2024
本研究探讨零样本语义图像绘画的问题。我们提出了一种新的方法,利用实际的文字描述,在合成图像中添加新的语义概念,通过结合最先进的逼真图像生成模型和文本 - 图像语义相似度网络,使用非梯度方法探索潜在空间,通过放松 GAN 的计算来针对特定区域的变化并进行用户研究进行比较。
Mar, 2021
本文介绍了一种利用生成式对抗网络和自然语言处理模型生成人脸的新方法,将面部描述转换为可学习的潜在向量,从而生成与这些特征相对应的面部。
Jan, 2023
使用粗略匹配的文本作为引导,本研究介绍了一种新颖的基于文本的风格生成方法,通过两阶段的生成对抗网络生成与细化图像风格,并通过实验证实了该方法的有效性和实际应用价值。
Sep, 2023