# 文本轉圖片
###### tags: `文本轉圖片`
[Jamboard](https://jamboard.google.com/d/1X1fs-qOCcFpBhqyrq4JL8hnYXJI4_xwINu3drUnrTF8/edit?usp=sharing)

## Papers
[**StoryGAN: A Sequential Conditional GAN for Story Visualization**](https://openaccess.thecvf.com/content_CVPR_2019/html/Li_StoryGAN_A_Sequential_Conditional_GAN_for_Story_Visualization_CVPR_2019_paper.html)
被引用: 63
[Improved-StoryGAN for sequential images visualization](https://www.sciencedirect.com/science/article/abs/pii/S1047320320301826)
被引用: 1

[StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks](https://arxiv.org/abs/1612.03242)
被引用:1871
> 原有的算法無法對文本轉圖片提供足夠的細節，StackGAN將其分為兩個子問題，階段1先根據
> 給定的文本描繪出低畫質的輪廓及顏色，第2階段再以文本與第1階段的圖案當作輸入，生成具
> 細節的圖像(使用了 novel Conditioning Augmentation technique)

[StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks](https://arxiv.org/abs/1710.10916)
被引用:590
> 由多個生成器與樹狀的鑑別器組成，從樹的不同分支生成對應於相同場景的不同解析度的圖像

[Generative Adversarial Text to Image Synthesis](http://proceedings.mlr.press/v48/reed16.html)
被引用: 2236, Submitted on 17 May 2016
> 就是最一開始提出效果還不錯的text to image的那篇論文

[Lightweight dynamic conditional GAN with pyramid attention for text-to-image synthesis](https://www.sciencedirect.com/science/article/pii/S0031320320301874)
被引用: 10, Submitted on 2021
> 為了生成高解析度的圖像，神經網路參數和復雜性急劇增加，造成訓練網路過程不穩定和訓練成本高的問題。為了解決這個問題本文提出一個LD-CGAN(一個複雜的結構)。與當前最先進的 HDGAN 相比，LD-CGAN 分別顯著減少了 86.8% 和 94.9% 的參數數量和計算時間。

[AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks](https://arxiv.org/abs/1711.10485)

## 流程
文本 -> 摘要 -> StoryGAN

## Books
[暮光之城](https://www.youduzw.com/tags/13/)

https://online.pubhtml5.com/pien/hbbk/#p=4