该文综述基于语义布局的图像生成研究，涵盖稀疏注意力、自适应规范化、交叉注意力、分层生成、类比控制、多模态定位、LoCo无训练合成、图卷积场景布局及半参数合成等方法，旨在提升图像逼真度、布局对齐与语义一致性。

本文提出了一种基于对物体的关注的生成对抗网络，用于文本到图像合成。该网络生成器注重文本描述中最相关的单词和预生成的语义布局，以合成显著物体。同时，提出了一种新技术，以提供丰富的针对对象的区分信号，判断生成的物体与文本描述和预生成布局是否匹配。该模型在 COCO 基准测试中表现出色，提高了 27％的 Inception 分数并降低了 11％的 FID 分数。