TY-JOURA2-Zou、LiangAU-Ma、RuixinAU-Lou、JunyingPY-2021DA-2021/04/02TI-CPGAN:基于Canonical多边分解SP-5573751VL-2021AB-文本对图像合成高效架构设计计算机视觉应用提出了许多趣味和有意义的文本对图像合成模型多数作品关注合成图像质量,但很少考虑这些模型的大小大模型包含多参数和高延迟度,这使得难以在移动应用中部署求解问题,我们建议高效架构CPGAN应用文本变基因对立网络GAN设计轻量级GAN图象架构提高CPGAN稳定性,我们在培训过程引入调制增强和自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译自译实验结果证明我们的架构CPGAN可保持生成图像质量并至少减少20%参数和浮点数SN-1058-9244UR-https://doi.org/101155/2021/55751DO-10.11550201/55751JF-Science编程PB-HindawiKW-ER