为优化消费者的定制体验,提升传统汉服定制推荐的效率,依据文本生成图片原理,提出一种基于改进堆叠生成对抗网络的智能定制推荐方法,该方法由2个生成对抗网络模型构成。首先构建基于嵌入式-长短期记忆网络(Embedding and Long Short-Ter...为优化消费者的定制体验,提升传统汉服定制推荐的效率,依据文本生成图片原理,提出一种基于改进堆叠生成对抗网络的智能定制推荐方法,该方法由2个生成对抗网络模型构成。首先构建基于嵌入式-长短期记忆网络(Embedding and Long Short-Term Memory,Embedding-LSTM)的需求文本编码模型,改进原模型存在的文本编码稀疏孤立问题;其次引入残差结构,提升汉服文图特征提取和传递能力,最后采用平均绝对误差构建损失函数优化学习过程,提升文本描述与生成图像的一致性。结果表明:与原模型相比,由改进模型所生成的汉服图像更逼真,质量更优,细节处理更精细,主客观评估结果证明模型改进的有效性;与ERNIE-ViLG、Composer和传统的Diffusion Model等大模型方法相比,所提方法在匹配需求文本和生成真实性方面表现更好,显示了其适用性。展开更多
文摘为优化消费者的定制体验,提升传统汉服定制推荐的效率,依据文本生成图片原理,提出一种基于改进堆叠生成对抗网络的智能定制推荐方法,该方法由2个生成对抗网络模型构成。首先构建基于嵌入式-长短期记忆网络(Embedding and Long Short-Term Memory,Embedding-LSTM)的需求文本编码模型,改进原模型存在的文本编码稀疏孤立问题;其次引入残差结构,提升汉服文图特征提取和传递能力,最后采用平均绝对误差构建损失函数优化学习过程,提升文本描述与生成图像的一致性。结果表明:与原模型相比,由改进模型所生成的汉服图像更逼真,质量更优,细节处理更精细,主客观评估结果证明模型改进的有效性;与ERNIE-ViLG、Composer和传统的Diffusion Model等大模型方法相比,所提方法在匹配需求文本和生成真实性方面表现更好,显示了其适用性。
