导读
AttnGAN 用 word-region attention 与 DAMSM 对齐文字和视觉区域，提高复杂文本描述的细节生成。它是现代 prompt adherence 与 cross-modal alignment 的重要前 diffusion 节点。
查看大图 ↗所链接文献 PDF 的第 1 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Tao Xu; Pengchuan Zhang; Qiuyuan Huang; Han Zhang; Zhe Gan; Xiaolei Huang; Xiaodong He · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · AttnGAN: Fine-Grained Text to Image Generation with Attentional GANs ↗档案研究说明
把词语与图像局部关联起来
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
AttnGAN 用注意机制进行多阶段细化，让图像不同区域与描述中的相关词语建立联系。论文另外提出图文相似性训练目标，并用注意层的可视化分析结果。作者报告的基准提升属于所选数据集和指标，不能直接当作全面语言理解的证明。
在艺术史中的位置
编者解释：这个节点具体呈现了文字控制从整句条件走向局部对应的一种路径。对于艺术实践，问题是哪些描述能作用到什么位置，以及文字与视觉之间的不对应如何影响创作，而不只是提示词越长是否越好。
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与StackGAN：堆叠生成对抗网络的文本生成图像之间的制作方法、控制方式或展示语境。
比较本条与Imagen：深层语言理解与逼真图像生成之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2017–2018 · 来源记录的历史日期：2017–2018
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
AttnGAN: Fine-Grained Text to Image Generation with Attentional GANs
https://arxiv.org/abs/1711.10485
当前引用地址
出处、翻译与核验状态
主线节点 #094 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 19 · 059
原记日期: 2017–2018
AttnGAN：注意力驱动的细粒度文本生成图像 ↗
AttnGAN: Fine-Grained Text to Image Generation with Attentional GANs
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. AttnGAN：注意力驱动的细粒度文本生成图像. 艺术史节点 #094. https://salondesrefuses.cn/zh/art-history/059
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。