DF-GAN

用简单结构高效实现文本到图像生成，性能媲美复杂模型。

DF-GAN是一个用于文本到图像合成的生成对抗网络模型，发表于CVPR 2022 oral。它针对现有文本生成图像方法中生成器结构复杂、训练不稳定且依赖额外辅助网络的问题，提出了一个简单而有效的基线。其核心是深度融合模块（DF block），通过将文本嵌入在多个尺度上以通道级方式与图像特征深度融合，并利用目标感知判别器（Target-Aware Discriminator）强化文本与图像的语义对齐。DF-GAN在CUB鸟类和COCO数据集上取得了当时最优的FID和IS分数，同时保持了较少的参数和更快的训练速度。该模型为文本到图像生成领域提供了一个简洁、高效且易于复现的基准方法，适合作为后续研究的起点。