机构名称：
¥ 1.0
海得拉巴，Telangana摘要：要面对创建的文本是图像重建的文本子域。它不仅会影响公共安全领域的广泛用例，还影响新的研究领域。由于没有可用数据集，因此对面对合成的文本研究很少。到目前为止，在文本到图像生成上完成的工作的最大值依赖于部分训练的Gan's，其中输入句子的语义属性是使用预先训练的文本编码器提取的。这些语义特征后来被用来指导解码器的图像。为了产生逼真的有机视觉效果，我们在研究中介绍了一个完全训练的gan。为了提供更精确，更有效的结果，对图片解码器和文本编码器均经过同时培训。除了建议的方法外，另一个补充是通过LFW，Celeba和本地生成的数据集创建数据集。此外，使用我们的预定义分类标记了收集的数据或信息。已经通过各种研究证明了我们的模型通过从输入短语中产生高质量的图片来表现更好。此外，视觉发现产生了面部图像，以响应提供的查询，进一步增强了我们的实验。索引术语 - 面部生成，公共安全域，数据集，预训练的文本编码器，语义特征，图像解码器，完全训练的gan，文本编码器，LFW，Celeba，本地准备的数据集，标签，实验，实验，优质图像，视觉结果，面部图像，QUERY，QUERY，QUERY。引言从书面描述中综合逼真的图片，作为人工智能研究的重要研究领域，从文本输入中综合面部图像。这项研究努力的大量用途具有很大的潜力，其中最主要的是加强公共安全法规。但是，该领域的进步已被可用数据集的局限性和现有方法的功效所延续。该领域的一种流行技术是使用生成的对抗网络（GAN），这是一种有效的深度学习模型，能够产生高保真图像。以前的作品依赖于经过部分训练的GAN体系结构，其中利用预训练的文本编码器从输入文本描述中提取有意义的数据，并使用这些功能对图片解码器进行培训。在我们的研究中，我们使用经过全面训练的生成对抗网络提供了一种独特的方法，以从文本描述中增强实际面部图像的产生。与早期方法相比，我们的方法同时训练文本编码器和图像解码器以产生更精确和有效的结果。
使用...
主要关键词
相关文件推荐
