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。网络生成器注重文本描述中的相关单词和预生成的语义布局，以合成显著物体。同时，提出了一种快速区域卷积神经网络技术，用于判断生成的物体与文本描述和预生成布局是否匹配。该网络在大规模COCO基准测试中表现出色，提高了Inception分数并降低了FID分数。通过分析机制和可视化注意层，展示了本模型如何高质量地生成复杂场景。

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。