La Universidad de Tecnología y Diseño de Singapur ha concentrado sus esfuerzos en la revisión y sistematización de diversos trabajos que atienden a la generación de imágenes guiada por texto, un área que ha captado la atención de muchos investigadores. En un informe, 141 proyectos han sido estudiados, clasificándolos en modelos basados en autorregresión y no autorregresión. Este meticuloso análisis ofrece una comparación exhaustiva de tecnologías clave como autoencoders y modelos de atención, así como un estudio sobre el uso de conjuntos de datos, métricas de evaluación, recursos de entrenamiento y velocidad de inferencia.

La investigación no se limita a la teoría, ya que también se investiga el impacto social potencial de estas tecnologías, presentando soluciones viables para mitigar posibles efectos adversos. Además, se han propuesto direcciones futuras para el desarrollo de la generación de imágenes impulsada por texto. Este amplio reporte resulta ser un recurso valioso para los futuros investigadores, buscando estimular el progreso continuo en este campo.

La evolución de los modelos de generación de imágenes ha mejorado significativamente gracias al desarrollo de métodos de aprendizaje automático más modernos. Dentro de las técnicas exploradas se incluye una categorización de los modelos en base a su arquitectura, evalúa sus estrategias y detalla su desempeño en generación de imágenes guiada por texto. La implicación de prácticas evaluativas como la evaluación humana y el uso de métricas de precisión y recuerdo complementa la profundidad del análisis.

Para cerrar con broche de oro, la investigación también traza un camino hacia futuro mencionando la expansión de los modelos visuales que presenten mejoras en la calidad de las generaciones y reduce el costo computacional, embarcando a los investigadores en un viaje hacia el diseño de nuevas arquitecturas con potenciales avances en modelos generativos sinergizados con el texto.