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

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

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。

Nov, 2018

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

本文提出一种文本适应的生成对抗网络 (TAGAN)，用以保留不相关的图片内容，并根据自然语言描述进行图像属性的语义修改。该网络通过创建词级本地判别器，按照输入的文本进行细粒度属性的独立分类，实现只修改特定区域的图像。经实验验证，该方法在 CUB 和 Oxford-102 数据集上比现有方法表现更好。

Oct, 2018

本文通过使用 DRAGAN，并给出实态案例进行定量分析结合数据和模型方面，成功专门针对一个 Anime 风格的面部图像数据集训练出一套稳定且高质量的 GAN 模型，同时，为了帮助动漫形象设计，作者还建立了一个可供公众访问的在线预训练模型的网站。

Aug, 2017

本文使用生成对抗网络的生成结果作为认知组件，以增强角色设计师在为不同的多媒体项目概念化新角色时的创造力。同时，本文通过在新的可视化角色数据集上使用单个图形处理器从头开始训练不同的 GAN 架构（包括转移学习和数据增强技术），并使用混合方法评估了生成视觉品质对角色设计师机构概念化新角色的认知价值。研究表明，本方法对该上下文的实施非常有效，将作为一个由人与机器共同设计的工作流程进一步评估。

May, 2023

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

介绍了一种基于深度卷积神经网络以及条件生成式对抗网络的通用方法，通过非监督学习来解决图像转换问题，实现了不同域之间的图像转换，并且在多样性方面表现出了很好的通用性。

Jan, 2017