10.3969/j.issn.1001-0548.2019.05.003
基于对抗生成网络的多风格化的汉字
随着生成对抗网络(GAN)的发展,中文字体转换领域的研究越来越多,研究者能够生成高质量的汉字图像.这些字体转换模型可以使用GAN将源字体转换为目标字体.然而,目前的方法有以下局限:1)生成的图像模糊;2)模型一次只能学习和生成一种目标字体.针对这些问题,该文开发了一种全新的模式来执行中文字体转换.首先,将字体信息附加到图像上,告诉生成器需要转换的字体;然后,通过卷积网络提取和学习特征映射,并使用转置卷积网络生成照片真实图像.使用真实图像作为监控信息,以确保生成的字符和字体与它们自身一致.这个模型只需要训练一次,就能够将一种字体转换为多种字体并生成新的字体.对7个中文字体数据集的大量实验表明,该方法在中文字体转换中优于其他几种方法.
中文字体样式转换、生成对抗网络、多域、创建新字体
48
TN97
国家自然科学基金61602089,61673088
2019-10-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
674-678