Text-to-Image-Synthesis

用文本描述生成对应图像，快速跑通经典GAN基线

这是一个基于PyTorch的文本生成图像（Text-to-Image）的GAN实现，对应论文《Generative Adversarial Text-to-Image Synthesis》。项目解决的是从自然语言描述生成对应视觉图像的问题，核心能力包括：使用深度卷积GAN（DCGAN）结构，将文本编码为嵌入向量，并通过条件增强技术（Conditioning Augmentation）提升生成图像的多样性；支持在CUB鸟类数据集上训练和测试，能够根据文本描述生成相应的鸟类图像。项目代码结构清晰，包含数据预处理、模型定义、训练和评估脚本，适合研究文本到图像生成的基础方法。作为早期项目，它提供了简洁的基线实现，便于理解GAN在跨模态生成中的基本流程。