论文部分内容阅读
针对传统文本—图像对抗模型中,由于反卷积网络参数过多容易产生过拟合现象,导致生成图像质量较差,而线性分解方法无法解决文本—图像对抗模型中输入单一的问题,提出一种在线性分解基础上加入流形插值的算法,并对传统DCGAN模型进行改进,以提高图像的鲁棒性。仿真实验结果表明,生成花卉图像的FID分数降低了4.73%,生成鸟类的FID分数降低了4.11%,在Oxford-102和CUB两个数据集上生成图像的人类评估分数分别降低了75.64%和58.95%,初始分数分别提高14.88%和14.39%,说明新模型生