Nov, 2018

自动字体生成的金字塔嵌入式生成对抗网络

PDF
TL;DR该论文提出了一种名为金字塔嵌入生成对抗网络（PEGAN）的方法，使用像素损失、发生器损失、类别损失和感知损失来训练生成器和判别器模型以自动生成汉字图像。实验结果表明该模型可以自动扩展小型字库。
发现论文，激发创造
  • 基于自编码器引导的 GAN 技术实现中国书法合成

    本文提出了一种基于深度神经网络的模型，将标准字体图像直接生成书法风格的图像，并构建了包含各种书法风格的大规模基准数据集。实验结果表明，该方法的效果优于其它基线方法。

    Jun, 2017

  • AGTGAN: 面向摄影古文字生成的无配对图像翻译

    本文提出一种基于生成对抗网络的无监督方法，能够生成具有多样的字形和真实纹理的古代文字图像，该方法在分类准确率等方面表现出色。

    Mar, 2023

  • 基于深度生成对抗网络的机器书法风格生成

    本研究提出了一种基于深度生成对抗网络的自动书法生成模型，能够生成具有专业水准的风格书法字体。该模型使用高精度书法合成方法构建数据集，邀请专业书法家进行图灵测试以评估模型生成结果与人类艺术水平之间的差距，实验结果表明该模型是目前书法生成方法中的最佳效果。

    Dec, 2023

  • 高分辨率图像合成基于自动嵌入生成对抗网络

    本文提出了一种名为 AEGAN 的新型生成对抗网络，该网络使用自编码器学习真实图像的内在高级结构，并设计了一个新型的去噪网络来为生成的图像提供逼真的细节，从而能够直接从输入噪声生成 512x512 的高质量图像，结果比其他基线（包括 Oxford-102 Flowers、Caltech-UCSD Birds（CUB）、高质量大规模 CelebFaces 属性（CelebA-HQ）、大规模场景理解（LSUN）和 ImageNet）产生更好的知觉逼真度，即具有更清晰的结构和更丰富的细节。

    Mar, 2019

  • 生成对抗文本到图像的合成

    利用递归神经网络和深度卷积生成对抗网络构建了新的深度架构和 GAN 公式，将字符转换为像素，有效地将文本和图像建模相结合，从而实现了从详细文本描述中生成花和鸟的逼真图像的能力。

    May, 2016

  • 基于序列条件的手写文本图像对抗生成

    该研究提出了一种基于生成对抗网络的系统，可以合成手写单词的合成图像，并在将其与现有训练数据集集成后通过改进通用 GAN 体系结构进行离线手写文本识别。

    Mar, 2019

  • 利用 CycleGAN 生成手写汉字

    采用 DenseNet CycleGAN 方法生成手写汉字，提出内容准确度和风格差异作为评估指标。

    Jan, 2018

  • EL-GAN: 以嵌入损失为驱动的生成对抗网络用于车道检测

    本文提出了一种名为 EL-GAN 的基于生成对抗网络的语义分割框架，通过嵌入损失降低了后处理的复杂度和提高了训练稳定性，应用于 TuSimple 车道线数据集上，效果优于传统方法并达到 96% 以上的准确率。

    Jun, 2018

  • DF-GAN: 一个简单有效的文本到图像合成基线

    该研究论文提出了一种名为 DF-GAN 的新型深度融合生成对抗网络，用于更加高效地合成与文本相匹配的高质量真实图片，并在广泛使用的数据集上取得更好的性能。

    Aug, 2020

  • 使用生成对抗网络生成无监督文本嵌入空间以进行文本合成

    本文提出了一种名为 TESGAN 的框架，使用连续文本嵌入空间而非离散标记以解决梯度反向传播的问题，通过无监督学习来克服数据记忆问题，从而能够合成具有潜力的新句子。

    Jun, 2023