Aprovechando el desarrollo de vehículos aéreos no tripulados (UAV), los tipos y la cantidad de conjuntos de datos disponibles para la síntesis de imágenes han aumentado considerablemente. Basado en tales conjuntos de datos abundantes, se pueden crear y visualizar muchos tipos de escenas virtuales utilizando tecnología de síntesis de imágenes antes de que se implementen en el mundo real, que luego pueden ser utilizados en diferentes aplicaciones. Para lograr un modelo de síntesis de imágenes conveniente y rápido, existen algunos problemas comunes, como la información semántica borrosa en la capa normalizada y la información espacial local del mapa de características que se utiliza solo en la generación de imágenes. Para resolver tales problemas, se propone en este artículo un modelo de síntesis de imágenes mejorado, SYGAN, que importa un módulo de normalización adaptativa espacial (SPADE) y un mecanismo de atención dispersa YLG sobre la base de la red generativa adversarial (GAN). En el modelo propuesto SYGAN, la utilización del módulo de normalización SPADE puede mejorar la calidad de la imagen al ajustar la capa de normalización con transformaciones aprendidas de manera adaptativa espacialmente, mientras que el mecanismo de atención dispersa YLG mejora el campo receptivo del modelo y tiene menos complejidad computacional, lo que ahorra tiempo de entrenamiento. Los resultados experimentales muestran que la Distancia de Fréchet Inception (FID) de SYGAN para escenas naturales y escenas de calles son 22.1, 31.2; la Media de Intersección sobre Unión (MIoU) para ellas son 56.6, 51.4; y la Precisión de Píxeles (PA) para ellas son 86.1, 81.3, respectivamente. En comparación con otros modelos como CRN, SIMS, pix2pixHD y GauGAN, el modelo de síntesis de imágenes propuesto SYGAN tiene un mejor rendimiento y mejora la eficiencia computacional.