摘要
从场景图生成图像是一种有前景的方向，旨在实现显式的场景生成与操控。然而，从场景图生成的图像质量较低，部分原因是数据的高度复杂性和多样性。我们提出了一种基于元学习的方法——MIGS（Meta Image Generation from Scene Graphs），用于少量样本的图像生成，该方法能够使模型适应不同的场景，并通过在多样化的任务集合上进行训练来提高图像质量。通过以任务为导向的方式采样数据，我们使用元学习对根据场景属性分类的不同任务集上的生成器进行训练。实验结果表明，利用这种元学习方法从场景图生成图像在图像质量和捕捉场景中的语义关系方面均达到了当前最佳水平。项目网站：https://migs2021.github.io/