MMAug, 2021

Few-shot 风格迁移生成细粒度中文书法字体

PDF
TL;DR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。
chinese calligraphyfont generationfew-shot learninggan-based methodsstyle transfer
发现论文，激发创造
  • CalliGAN: 基于风格和结构意识的汉字书法字符生成器

    通过将中文字符的组件信息纳入到其模型中并使用改进的网络将字符转换为嵌入空间，从而提出了一种新的方法来多样化生成高质量的汉字。该方法在数量评估和人类主题研究方面优于现有技术。

    May, 2020

  • 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

  • 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

  • VQ-Font：结构感知增强和量化的小样本字体生成

    提出了一种基于 VQGAN 的框架（即 VQ-Font），通过令牌先验细化和结构感知增强来提高字形保真度，并利用汉字的内在设计重新校准基于参考的细粒度风格，从而增强生成字体的保真度和符合结构的风格匹配。实验证明，VQ-Font 在生成具有挑战性风格的字体方面，在数量和质量上均优于竞争方法。

    Aug, 2023

  • 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

  • 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

  • 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

  • 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

  • Calliffusion：使用扩散模型实现的汉字书法生成和风格转移

    本文提出了 Calliffusion 系统，采用扩散模型生成高质量的中文书法，实现了五种不同字形和著名书法家风格模拟，实验证明，模型生成的书法难以与真实艺术品区分，并使用 LoRA 进行单张迁移学习，将中文书法艺术风格转移到未知字符、甚至英文字母和数字。

    May, 2023

  • 基于一阶段少样本学习的艺术字形图像合成

    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。

    Oct, 2019