摘要
针对现有方法在段落生成图像任务中存在的图文不一致、语义准确度不足的问题,提出一种融合语义重构约束的序列图像生成框架。首先,该方法采用基于Transformer的文本注意力机制和时间卷积网络,以增强对段落上下文特征的捕捉。其次,引入空间语义感知卷积网络(SSACN),融合历史图像信息以指导当前图像的生成。最核心的是,设计了一个语义重构约束,将生成的序列图像解码回文本描述,并与原始输入文本进行比对,从而强制模型在语义层面保持高度一致。实验结果表明,该方法在生成结果的图像连贯性和视觉真实性方面有显著提升,同时有效增强了文本描述与生成图像之间的语义对齐度。
出处
《电脑知识与技术》
2025年第21期4-7,共4页
Computer Knowledge and Technology
