May, 2021

SmartPatch: 利用 Patch 鉴别器提高手写字模仿能力

PDF
TL;DR使用 SmartPatch 来增加对当前最先进方法的性能，提高生成手写字的真实性和质量，SmartPatch 将平行训练的手写文本识别系统和单词的单独字符所收集的信息与众所周知的贴片损失相结合，以减少笔级别的伪像。
generative adversarial networkshandwritten text generationsmartpatchhandwritten text recognition systempen-level artifacts
发现论文，激发创造
  • 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

  • 用于合成至真实手写单词识别的无监督适应

    本文提出一种无监督的写手适应方法，使用合成字体完全训练出的识别器自动适应新的入职写手，从而提供了一种实用且通用的方法来处理新的文档收集，而不需要任何昂贵和繁琐的手动注释步骤。

    Sep, 2019

  • HanDiffuser: 使用真实手表现生成文本 - 图像

    HanDiffuser 是一种基于扩散的新型架构，通过在生成过程中注入手部嵌入信息，生成具有逼真手部的图像。它包括两个组件：Text-to-Hand-Params 扩散模型用于从输入文本生成 SMPL-Body 和 MANO-Hand 参数，以及 Text-Guided Hand-Params-to-Image 扩散模型用于以先前组件生成的提示和手部参数为条件合成图像。我们在学习和推断期间综合考虑了手部表达的多个方面，包括 3D 形状、关节级手指位置、方向和屈伸状态，以实现稳健学习和可靠性能。我们进行了大量定量和定性实验，并进行了用户研究，证明了我们的方法在生成具有高质量手部的图像方面的有效性。

    Mar, 2024

  • 手写文字生成对抗网络

    本文提出一种手写生成对抗网络框架 (HWGANs)，通过使用 CNN-LSTM 和隐变量生成模型可实现有效地生成手写序列数据，并且与传统手写生成器相比，可以生成更自然更逼真的手写文本。

    Jul, 2019

  • 生成文本识别的合成数据

    本研究使用开源字体和数据增广技术生成 900 万份手写词图像，可用于训练深度神经网络并提高手写词识别的性能。

    Aug, 2016

  • VATr++：为手写文本生成明智选择您的字词

    研究了手写体文本生成的影响因素，提出了输入准备和训练规范化策略，以获得更好的性能和更好的泛化能力，并提出了手写体文本生成的评估协议的标准化和全面的对比分析，推动该领域的进展。

    Feb, 2024

  • 使用生成对抗网络进行笔迹特征分析

    使用改进的 DCGAN 架构和强化学习技术，本文提出一种智能系统，旨在学习实体的手写字体，可以用于鉴别伪造文件、签名验证、计算机生成艺术和文件数字化等领域。初步实现结果表明，该算法在 MNIST 数据集上表现优异。

    Nov, 2016

  • ScrabbleGAN：半监督变长手写文本生成

    介绍一种基于半监督学习的手写文本图像合成方法，该方法可生成任意长度的词汇风格多样的手写文本图像，并实现其风格的操纵，能够提高光学字符识别系统的性能。

    Mar, 2020

  • AI 生成图像检测所需的单个简单补丁

    为了防止虚假图像的恶意使用，本研究提出了一种简单且具有鲁棒性和通用性的方法，即将单个简单贴片的噪声模式馈入二元分类器，相对于最新方法在 GenImage 数据集上达到 14.6% 的相对改进，可以作为未来方法的简单而有竞争力的基准。

    Feb, 2024

  • GANwriting：基于内容条件生成手写字体图片

    该研究通过提出一种基于书法风格特征和文本内容来调节生成过程的方法，使生成的手写单词图像更真实和多样化。该模型不受预定义词汇的限制，能够渲染任何输入的单词，并且在少量样本的情况下能够模仿样本写手的书法特征。研究通过定性、定量和基于人的评估显著超越了以往的研究。

    Mar, 2020