텍스트 생성 이미지 작업에서 텍스트 인코더가 텍스트 정보를 깊이 있게 추출하지 못해 이후 생성된 이미지에 의미 불일치 문제가 발생하는 문제를 해결하기 위해, 본 논문에서는 개선된 DMGAN 모델 기반 텍스트 생성 이미지 방법을 제안한다. 먼저 대규모 말뭉치의 사전 학습을 통해 많은 텍스트 선험 지식을 캡처할 수 있는 XLnet 사전 학습 모델을 이용해 텍스트를 인코딩한다. 그리고 DMGAN 모델의 이미지 생성 초기 단계와 이미지 세분화 단계 모두에 채널 주의 모듈을 추가하여 중요한 특징 채널을 강조하고, 생성 이미지의 의미 일관성과 공간 배치 합리성, 모델의 수렴 속도 및 안정성을 향상시킨다. 실험 결과, 제안된 모델은 CUB 데이터셋에서 기존 DMGAN 모델 대비 IS 지표가 0.47 향상되고 FID 지표가 2.78 감소하여 해당 모델이 더 나은 교차 모달 생성 능력을 가짐을 충분히 입증하였다.

텍스트 생성 이미지;XLnet 모델;생성적 적대 신경망;채널 주의