@[TOC](2016~2021 文字生成图像 Text to image（T2I）论文汇总 阅读路线和阅读指南)
综述类
1、Adversarial Text-to-Image Synthesis: A Review：《对抗性文本到图像合成：综述》
论文地址：https://arxiv.org/abs/2101.09983
阅读报告：Text to Image综述阅读报告1
2、A Survey and Taxonomy of Adversarial Neural Networks for Text-to-Image Synthesis：《用于文本生成图像的对抗性神经网络综述与分类》
论文地址：https://arxiv.org/pdf/1910.09399.pdf
阅读报告：Text to Image综述阅读报告2
3、An Introduction to Image Synthesis with Generative Adversarial Nets《生成对抗网图像合成简介》
论文地址：https://arxiv.org/abs/1803.04469
阅读报告：Text to image综述阅读报告3
部分最新重要研究成果
按最新优先排序：
1、RAT-GAN：Recurrent Affine Transformation for Text-to-image Synthesis
论文地址：https://arxiv.org/pdf/2204.10482.pdf
代码地址：https://github.com/senmaoy/Recurrent-Affine-Transformation-for-Text-to-image-Synthesis
精读与理解：RAT-GAN：文本到图像合成中的递归仿射变换 Recurrent Affine Transformation for Text-to-image Synthesis
2、SSA-GAN：Text to Image Generation with Semantic-Spatial Aware GAN
论文地址：https://arxiv.org/pdf/2104.00567v3.pdf
代码地址：https://github.com/wtliao/text2image
精读与理解：SSA-GAN：基于语义空间感知的文本图像生成 Text to Image Generation with Semantic-Spatial Aware GAN
3、Unifying Multimodal Transformer for Bi-directional Image and Text Generation《用于双向图像和文本生成的统一多模态转换器》
论文地址：https://arxiv.org/pdf/2110.09753v1.pdf
code：https://github.com/researchmm/generate-it
4、Fine-Grained Image Generation from Bangla Text Description using Attentional Generative Adversarial Network《使用注意力生成对抗网络从孟加拉语文本描述生成细粒度图像》
论文地址：https://arxiv.org/pdf/2109.11749v1.pdf
code：https://github.com/pioneerAlpha/BanglaText2ImageGeneration
5、Paint4Poem: A Dataset for Artistic Visualization of Classical Chinese Poems《Paint4Poem：中国古典诗歌艺术可视化数据集》
论文地址：https://arxiv.org/pdf/2109.11682v2.pdf
code：https://github.com/paint4poem/paint4poem
6、Improving Text-to-Image Synthesis Using Contrastive Learning《使用对比学习改进文本到图像的合成》
论文地址：https://arxiv.org/pdf/2107.02423v1.pdf
code：https://github.com/huiyegit/T2I_CL
7、CogView: Mastering Text-to-Image Generation via Transformers《CogView：通过 Transformers 掌握文本到图像的生成》
论文地址：https://arxiv.org/pdf/2105.13290v3.pdf
精读与理解：CogView: Mastering Text-to-Image Generation via Transformers(通过Transformer控制文本生成图像)
code1：https://github.com/THUDM/CogView
code2：https://github.com/lucidrains/x-transformers
8、Towards Open-World Text-Guided Face Image Generation and Manipulation《走向开放世界文本引导的人脸图像生成和操作》
论文地址：https://arxiv.org/pdf/2104.08910v1.pdf
code1：https://github.com/weihaox/TediGAN
code2：https://github.com/IIGROUP/TediGAN
9、Text to Image Generation with Semantic-Spatial Aware GAN《使用语义空间感知 GAN 生成文本到图像》
论文地址：https://arxiv.org/pdf/2104.00567v3.pdf
code：https://github.com/wtliao/text2image
10、Zero-Shot Text-to-Image Generation《零训练文本到图像生成》
论文地址：https://arxiv.org/pdf/2102.12092v2.pdf
code1：https://github.com/openai/DALL-E
code2：https://github.com/lucidrains/DALLE-pytorch
11、Cross-Modal Contrastive Learning for Text-to-Image Generation《用于文本到图像生成的跨模态对比学习》
论文地址：https://arxiv.org/pdf/2101.04702v4.pdf
code：https://github.com/google-research/xmcgan_image_generation
12、TediGAN: Text-Guided Diverse Face Image Generation and Manipulation《TediGAN：文本引导的多样化人脸图像生成和操作》
论文地址：https://arxiv.org/pdf/2012.03308v3.pdf
code1：https://github.com/weihaox/TediGAN
code2：https://github.com/IIGROUP/TediGAN
发展与往年经典模型
1、Generative Adversarial Text to Image Synthesis《生成对抗式从文本生成图像》
会议： ICML 2016
精读与理解：GAN-CLS和GAN-INT：Generative Adversarial Text to Image Synthesis生成性对抗性文本图像合成
论文地址： https://arxiv.org/pdf/1605.05396.pdf
代码地址： https://github.com/zsdonghao/text-to-image
2、Learning what and where to draw《学习画什么和画在哪》
会议： NIPS 2016
论文地址： https://arxiv.org/pdf/1610.02454.pdf
代码地址： https://github.com/reedscot/nips2016
3、PPGN: Plug & play generative networks: Conditional iterative generation of images in latent space《即插即用的生成网络：潜在空间中图像的条件迭代生成》
会议： CVPR 2017
论文地址： https://arxiv.org/pdf/1612.00005.pdf
代码地址： https://github.com/Evolving-AI-Lab/ppgn
4、StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks《StackGAN:使用堆叠的生成对抗式网络从文本生成照片般类似的图像》
会议： ICCV 2017
精读与理解：Text to image论文精读 StackGAN：Text to Photo-realistic Image Synthesis with Stacked GAN具有堆叠生成对抗网络文本到图像合成
论文地址： https://arxiv.org/pdf/1612.03242.pdf
代码地址： https://github.com/hanzhanggit/StackGAN
5、StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks《StackGAN ++：具有堆叠式生成对抗网络的逼真的图像合成》
精读与理解：Text to image论文精读 StackGAN++： Realistic Image Synthesis with Stacked GAN 具有堆叠式生成对抗网络的逼真的图像合成
会议： ICCV 2017
论文地址： https://arxiv.org/pdf/1710.10916v3.pdf
代码地址： https://github.com/hanzhanggit/StackGAN-v2
6、AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks《AttnGAN：带有注意的生成对抗网络细化文本到图像生成》
会议： CVPR, 2018.
论文地址： https://arxiv.org/pdf/1711.10485.pdf
代码地址： https://github.com/taoxugit/AttnGAN
精读与理解：Text to image论文精读 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）
7、MirrorGAN: Learning Text-to-image Generation by Redescription(MirrorGAN：通过重新定义学习文本到图像的生成)
会议： CVPR 2019
论文地址：https://arxiv.org/abs/1903.05854
代码地址：https://github.com/qiaott/MirrorGAN
精度与理解：Text to image论文精读 MirrorGAN: Learning Text-to-image Generation by Redescription（通过重新描述学习从文本到图像的生成）
8、DM-GAN： Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis《DM-GAN：用于文本到图像合成的动态记忆生成对抗网络》
会议： CVPR 2019
论文地址： https://arxiv.org/abs/1904.01310?context=cs
代码地址： https://github.com/MinfengZhu/DM-GAN
精读与理解：论文精读 DM-GAN: Dynamic Memory Generative Adversarial Networks for t2i 用于文本图像合成的动态记忆生成对抗网络
9、Semantics Disentangling for Text-to-Image Generation 《文本到图像生成的语义解决》
会议：CVPR 2019
论文地址：https://arxiv.org/abs/1904.01480v1
10、 Controllable Text-to-Image Generation《可控文本到图像生成 》
会议：NeurIPS 2019
论文地址：https://arxiv.org/pdf/1909.07083.pdf
代码地址：https://github.com/mrlibw/ControlGAN
11、text-to-Image Synthesis Based on Machine Generated Captions
论文地址：https://arxiv.org/pdf/1910.04056.pdf
12、CookGAN: Causality based Text-to-Image Synthesis
会议：CVPR 2022
论文地址：https://ieeexplore.ieee.org/document/9157040/citations#citations
精读与理解：Text to image论文精读 CookGAN: Causality based Text-to-Image Synthesis（基于因果关系的文本图像合成 ）从菜谱描述自动生成菜肴照片
13、DF-GAN：A Simple and Effective Baseline for Text-to-Image Synthesis
论文地址：https://arxiv.org/abs/2008.05865
代码地址：https://github.com/tobran/DF-GAN
精读与理解：DF-GAN：A Simple and Effective Baseline for Text-to-Image Synthesis一种简单有效的文本生成图像基准模型
