摘要

语义图像合成旨在根据语义布局生成逼真的图像。以往基于条件生成对抗网络（GAN）的方法在该任务上取得了最先进性能，这些方法通常将语义标签图作为生成器的输入，或通过仿射变换利用语义标签图调节归一化层中的激活值。我们认为，在生成图像时，生成器中的卷积核应能够感知不同位置处的语义标签差异。为更有效地利用语义布局指导图像生成，我们提出一种新方法：根据语义标签图预测卷积核，以从噪声图生成中间特征图，最终合成目标图像。此外，我们设计了一种特征金字塔语义嵌入判别器，相较于以往的多尺度判别器，该结构在增强生成图像的细节表现力以及提升生成结果与输入语义布局之间的语义一致性方面更为有效。我们在多个语义分割数据集上均取得了当前最优的定量指标与主观评价结果，充分验证了所提方法的有效性。