近年来,图像生成已成为计算机视觉领域的一个研究重点和热点问题,基于深度学习架构的图像生成模型不仅能自动为用户生成图像,有助于视觉理解,还推动了跨模态的学习和推理,对视觉计算、图像和语言处理、人机交互等领域的发展与应用具有重要的研究价值。现有生成模型虽然已经实现了简单个体和低分辨率复杂图像的生成,但是,直接从复杂文本或结构化场景描述生成包含多种实体和合理布局的高质量语义图像仍极具挑战性。为了保持输入的文本和相应生成图像的语义一致性,提高由结构化场景图生成的图像质量,增强细粒度纹理信息并确保对象交互关系的准确性,本文基于生成对抗网络构建、分析并实现了文本和场景图到语义图像的生成模型,具体研究内容如下:（1）针对复杂文本描述到图像生成过程中实例特征模糊和核心视觉属性缺失的问题,提出了一种自适应属性和实例掩码的文本到图像生成模型（IMEAAGAN）。首先,为克服整个句子的复杂性和歧义性,该模型计算词级嵌入表示并作为输入数据,同时利用边框回归网络推理包含对象空间位置、大小和类别标签的全局布局。然后,全局生成器对该布局进行编码,并结合文本嵌入和随机噪声初步生成较低分辨率的图像;在局部细化生成器中,使用实例掩码嵌入机制添加像素级别的掩码约束,从而获取实例细粒度特征。最后,采用两个词级自适应属性的判别器代替常用的句级条件判别器,对每种属性进行独立分类并生成精确的特征反馈信号,指导生成器合成具体的视觉属性。实验结果分析表明,该模型可以获取全局一致的属性特征,并生成具有局部纹理细节的复杂图像。（2）针对结构场景图难以生成类别多样的实例和高质量复杂场景布局的问题,提出了一种前景和背景分解的场景图到图像的生成模型（BFD-GAN）。首先,将自然语言转换为结构化的场景图,克服文本描述的歧义性,并利用图卷积网络推理背景语义布局,将前景和背景分解且分别进行生成,从而提高图像质量、降低生成过程的复杂性。然后,为避免劳动密集的人工标记,构建的前景解析模块学习具有可识别几何外观的前景细粒度特征。最后,利用前景-背景融合模块自适应地细化视觉特征,该模块引入前景-关系感知注意力机制,计算前景对交互关系的偏差,并对重叠区域进行最大池化操作,选择最相关的像素实现特征表示,从而使得前景和背景相互兼容并生成合理而真实的复杂图像。实验结果表明,在给定相同场景结构的情况下,BFD-GAN模型能够生成复杂的背景和更清晰的前景图像。