《表3 不同β取值对应模型的美学分数对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于美学评判的文本生成图像优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证美学损失是否对生成模型结果的美学质量起到了优化作用，接下来计算了使用β=1，0.000 1这2种情况的模型在测试数据集上生成的29 280张图像的美学分数分布情况；同时针对一个批的24条文本嵌入向量，每条文本生成1 000张图像，计算其美学分数的分布，数据结果如图4所示（这里选出一条文本生成的1 000张图像的美学分数分布进行展示）。表3展示了2种β取值下模型在测试数据集上的生成结果的美学分数，同时一并列出了原模型在测试数据集上生成结果的美学分数作为对比。从表中可知，当β=0.0001时，由测试数据集生成的图像其平均美学分数与原模型相比提高了3.17%；表4给出了原模型与β=0.000 1优化模型分别生成的24组针对同一条文本的1 000幅图像平均美学分数对比情况，也可以发现大部分文本生成结果的美学分数与原模型的生成结果相比有所提高。同时由图4所示的美学分数分布情况也能看出，此时高分段图像的数量增加，较低分段图像的数量减少，表明美学损失起到了调控生成结果美观度的作用。图5展示了原模型与β=0.000 1的优化模型使用4条文本对应生成的1 000张图像中等距抽取10张图像的结果（每个分图第1行为原模型，第2行为优化模型，每个模型对每条文本均生成1 000张图像），每行图像从左到右按美学分数从高到低的顺序排列，从中可以直观感受到，经过美学优化的生成模型所生成的图像结果在色彩对比度、整体色调、背景虚化简单化等方面均有一定优势，反映了其美观评价相比原模型有所提升。