近日，2022年度国际计算机视觉与模式识别会议CVPR (IEEE Conference on Computer Vision and Pattern Recognition) 在美国新奥尔良以线上线下混合形式举行。CVPR是由IEEE举办的计算机视觉和模式识别领域的顶级会议，在今年刚统计的谷歌学术期刊和会议影响力排行榜中，CVPR保持总榜第4，仅次于Science，是人工智能领域影响力最高的会议。
谷歌学术2022学术指标
本次CVPR共收到8161篇投稿，2064篇论文被接收，其中340篇优秀的论文被接收为Oral论文，仅占总投稿数量的4%。我校通信与信息工程学院，鲍秉坤教授团队的基于文本生成图像的研究成果（DF-GAN: A Simple and EffectiveBaseline for Text-to-Image Synthesis）被大会接收为口头汇报论文（Oral Presentation），论文一作、我院博士生陶明同学参加了会议，并于会上分享了研究成果以及讨论了文本到图像生成的应用与未来。
DF-GAN提出后，对文本到图像生成领域产生了巨大的影响，截至目前谷歌学术引用近百篇，被国际知名机构包括OpenAI、Facebook、Google、微软、智源、百度、字节、京东、达摩院等正面评价或扩展，并引发了大量的跟随研究，包括DTGAN、SSA-GAN、OptGAN、CIGLI、SketchBird、Vastr-GAN、RAT-GAN等模型。
论文被选为口头汇报
会议现场的海报
陶明同学在线上会议进行论文分享
论文介绍
论文题目：DF-GAN: A Simple and EffectiveBaseline for Text-to-Image Synthesis
作者：陶明，唐浩，吴飞，荆晓远，鲍秉坤，徐常胜
通讯作者：鲍秉坤
论文概述：
根据文本生成图像任务要求计算机能够由文本生成对应的图片，由于其为创作带来的便利性，使其在互联网时代有着重要的研究价值和意义。该任务会给定一段文本，要求模型能够充分理解文本中蕴含的语义信息，并将文本中的语义信息映射为图像中对应的视觉信息，从而得到真实且符合文本描述的图像。
利用生成对抗网络进行对抗学习是解决该任务的主要方法之一，在对抗学习中，判别器需要区分生成图片和真实图片，而生成器则需要生成足够逼真的图片，使得判别器无法区分生成的和真实的图片，通过生成器和判别器之间的互相博弈，从而提高生成图片的质量。
该论文提出了一个简单且有效的一阶段文本到图像生成框架，它可以直接由文本生成高分辨率的图片，避免了多阶段框架带来的特征纠缠问题。在生成器中，提出了一个深度文本-图像融合模块，通过堆叠基于文本的图像仿射变化，加深了文本与图像的特征融合，从而使得文本信息能够更好地表达在图片中。在判别器中，提出了一个目标感知判别器，它由两部分组成，包括一个匹配感知梯度惩罚策略和一个单路判别器。这两个模块构造了一个利于收敛到目标图片的判别器损失曲面，使得模型可以更快且稳定地收敛，从而使得模型得到更好的优化。通过定性和定量的实验表明，所提出的方法在简化当前生成网络的同时，优化了生成图像的质量，并且提高生成图像与文本的匹配度。
（撰稿：张涛 编辑：吕瑞兰 审核：徐雷）