DSS：使用数据增强、样式编码和分段生成合成长数字墨水

Nov, 2023

DSS：使用数据增强、样式编码和分段生成合成长数字墨水

DSS: Synthesizing long Digital Ink using Data augmentation, Style encoding and Split generation

Aleksandr Timofeev, Anastasiia Fadeeva, Andrei Afonin, Claudiu Musat, Andrii Maksai

TL;DR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。

Abstract

As text generative models can give increasingly long answers, we tackle the problem of synthesizing long text in digital ink. We show that the commonly used models for this task fail to generalize to long-form data and how this problem can be solved by augmenting the training data, cha

text generative models long text synthesis handwriting domain character error rate human study

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

紧缩计算预算下数字墨水生成的采样与排序

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。

Jun, 2023

Fill-Up: 用生成模型平衡长尾数据

该研究提出了一种新的基于 Textual Inversion 的图像合成流程，利用生成的图像填充 real-world 数据不平衡情况，该方法在长尾识别方面取得了最先进的结果。

Jun, 2023

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

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

利用合成标题改进图像文本生成

通过使用 SDXL，我们提出一种低成本的微调技术来改善不同情况下文本生成的准确性，并通过将随机字符添加到原始数据集中来提高模型在生成良好形式视觉文本方面的性能。

Jun, 2024

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

基于视觉原型的手写文本生成

本研究提出了一种基于 Transformer 模型生成手写文本，并将文本表示为密集向量序列的方法，其可用于生成含有少量样本的手写文本，使得即使在训练期间很少看到的字符也能够从它们的视觉原型中生成。

Mar, 2023

用循环神经网络生成序列

本研究论文表明长短时记忆循环神经网络可以用于通过逐个预测数据点来生成具有长距离结构的复杂序列。该方法通过文本和在线手写（其中数据为实值）进行演示，然后通过允许网络对文本序列进行条件预测，将其扩展到手写合成。结果系统能够以各种风格生成高度逼真的草书手写。

Aug, 2013

手写生成中的笔迹风格与字体风格的分离

该论文提出了一种基于机器学习的方法，使用 style-disentangled Transformer（SDT）来从个体手写的字符中解离出不同层次（字与人）的风格，并生成逼真的个性化手写字符。

Mar, 2023