Jun, 2023

紧缩计算预算下数字墨水生成的采样与排序

PDF
TL;DR通过研究数字墨水生成模型的多种采样和排名方法，本文提出了在计算预算内最大化输出质量的方法，这在英文、越南文和数学公式的多个数据集、两种模型类型和两种常见墨水数据表示中得到了证实，所有组合中，这都可以使合成墨水的识别率有意义的提高，有时甚至可以使字符误差率度量减少一半以上，并描述了一种选择最佳采样和排名方法组合的方法。
发现论文，激发创造
  • DeepWriting: 通过深度生成建模使数字墨水可编辑

    这篇文章介绍了一种新型生成神经网络，能够有效将数字墨水中的内容和风格进行解耦，从而实现数字墨水内容的可编辑性。同时，该神经网络还能够进行风格转移而不改变原有内容，并能在单词级别上编辑数字墨水。

    Jan, 2018

  • InkSight: 学习阅读与书写的离线到在线手写转换

    数字记事正在流行，我们的研究 InkSight 致力于通过转换手写笔记到数字墨迹来弥合数字记事和传统纸笔记的差距，这是第一个有效地将手写文本转换为各种具有不同视觉特征和背景的照片的工作。

    Feb, 2024

  • DSS：使用数据增强、样式编码和分段生成合成长数字墨水

    使用对比学习技术改进训练数据、模型架构和推理过程，合成数字墨迹的长文本问题得以解决，可减少字符错误率，并通过人类研究证明生成数据真实可信。

    Nov, 2023

  • 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

  • 时空手写仿真

    分解手写合成方法为多个子任务，利用在线序列生成一段新的、逼真的文本并进行样式调整，经过全面的用户研究验证其内外词汇的手写样本，同时证明这种方法可以部分欺骗传统的写手识别系统。

    Mar, 2020

  • 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

  • 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

  • 在大型视觉语言模型中表示在线手写体以进行识别

    通过研究在线手写识别与 VLM（视觉 - 语言模型）的结合，该论文提出了一种新颖的数字墨迹令牌化表示方法，该方法在多个公共数据集上呈现与最先进的在线手写识别器可比拟甚至更好的结果，有着广泛的应用潜力。

    Feb, 2024

  • 手写文件的非破坏性检验的新数据集

    司法笔迹鉴定是法医科学的一个分支，旨在通过全面比较内在的局部和全局特征，检验手写文件以准确定义或假设手稿的作者。该研究提出了一个新的数据集，包括传统手写文件和数字工具（如平板电脑）生成的文件之间的比较，并展示了数据的初步结果，显示第一子集可以达到 90％的分类准确率，第二子集可以达到 96％。

    Jan, 2024

  • 针对英文手写体草书和印刷体的端到端交互式深度学习标注系统

    本文介绍了一种创新的、完整的端到端流程，采用深度学习和用户交互技术，对印刷和草书英文手写手稿进行注释，该方法使用了最先进的文本识别模型构建的检测系统和自定义的深度学习模型，结合易于使用的交互式界面，旨在提高检测、分割、序列化和识别阶段的准确性，以确保高质量的注释数据，最大程度地减少人类交互。

    Apr, 2023