Oct, 2019

基于一阶段少样本学习的艺术字形图像合成

PDF
TL;DR本文提出了一种名为 AGIS-Net 的新型模型，它可以利用少量的样本在一个阶段内传输形状和纹理风格。通过使用两个编码器来分解内容和风格的表示，并利用两个协同工作的解码器同时生成字形图像和其纹理图像。这个单阶段模型比其他多阶段堆叠方法更加高效和有效。同时，我们提出了一个大规模中文字符纹理数据集，用于验证我们方法的有效性和可扩展性。
发现论文，激发创造
  • GAS-NeXt: 少样本跨语言字体生成器

    本文介绍了一种名为 GAS-NeXt 的新型深度学习方法，利用替代原始编码器和解码器的想法，并利用 AGIS-Net 的形状、纹理和本地判别器，结合 Font Translator GAN 的层次注意力和上下文感知注意力实现跨语言生成字体。在英文到中文的字体转换实验中，GAS-NeXt 相比 Font Translator GAN 的表现更好。同时作者还在多种语言和数据集上验证了他们的方法。

    Dec, 2022

  • Few-shot 风格迁移生成细粒度中文书法字体

    本文提出了一个简单但强大的端到端汉字书法字体生成框架 ZiGAN，它不需要任何手动操作或冗余预处理来生成细粒度的目标风格字符，实验表明，我们的方法在少数汉字风格转移中具有最先进的泛化能力。

    Aug, 2021

  • Few-Shot 字体风格转移的多内容 GAN

    本文提出了一种针对高度风格化文字的部分观测并推广未观测字形的挑战，即通过以通道为内容、以网络层为风格的端到端堆叠有条件 GAN 模型生成一组遵循一致风格的多内容图像。该网络可以捕获真实世界中的高度风格化字体，并通过少量的已观察字形实现有效的推广。

    Dec, 2017

  • 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

  • DeepCalliFont：融合双模态生成模型的少样本中文书法字体合成

    通过集成双模式生成模型，使用图像生成和序列生成分支，并采用特征重组模块和光栅化损失函数，提出了一种新的模型 DeepCalliFont，用于少样本中文书法字体合成任务。与其他先进方法相比，我们的方法在少样本中文书法字体合成任务中具有更高的综合性能。

    Dec, 2023

  • 通过形状匹配 GAN 实现可控艺术文本风格转移

    本文介绍了一种基于双向形状匹配框架的文本风格转移网络，该网络允许通过可调参数对字形的关键风格程度进行实时控制，这种方法能够持续表征样式图像的多尺度形状特征并将这些特征传递到目标文本中，有效地解决了文本风格转移中控制样式形变的问题，达到了比先前技术更好的效果。

    May, 2019

  • 样式生成：基于粗略匹配的图像合成

    使用粗略匹配的文本作为引导，本研究介绍了一种新颖的基于文本的风格生成方法，通过两阶段的生成对抗网络生成与细化图像风格，并通过实验证实了该方法的有效性和实际应用价值。

    Sep, 2023

  • 几何图像合成

    本研究提出了一种可训练的、基于几何感知的图像生成方法，利用几何和分割等场景信息生成逼真自然、符合期望的场景结构的图像，并通过 GIS 框架插入驾驶场景中的车辆、生成来自 Linemod 数据集的物体新视角，展示其能够广泛适用于新颖的场景、物体形状和分割，且可用于合成大量训练数据以训练实例分割模型。

    Sep, 2018

  • 通过细分和双重绑定实现任何艺术风格的文本到图像合成

    该研究论文介绍了一种名为 Single-StyleForge 的新方法，用于将预训练的文本到图像扩散模型进行个性化训练，从文本提示中生成指定风格的多样化图像。此外，研究还提出了一种名为 Multi-StyleForge 的改进方法，通过学习多个标记来改善风格和文本 - 图像对齐的质量，在六种不同的艺术风格上实验评估表明，在生成的图像质量和感知保真度指标（如 FID、KID 和 CLIP 分数）方面取得了显着的改善。

    Apr, 2024