基于多模态语义信息的文本生成图像方法

杨冰,周家辉,姚金良,向学勤

Text-to-image generation method based on multimodal semantic information

Bing YANG,Jiahui ZHOU,Jinliang YAO,Xueqin XIANG

表 2 不同模型在COCO数据集上的图像生成速度对比

Tab.2 Comparison of image generation speed for different models on COCO dataset

模型 类型 tg/s np/109 ZS-FID↓ Make-a-scene 自回归 9.40 8.0 11.84 LDM 扩散 15.00 1.5 12.63 UFOGen 扩散+GAN 0.09 0.9 12.78 本研究 GAN 0.04 0.3 12.48