基于字体特征与多尺度PatchGAN的中文字体风格转换研究

针对现有中文字体风格转换方法生成字符图像质量低以及生成字体图像与目标字体图像风格不一致的问题,提出基于字体特征与多尺度patch生成对抗网络的中文字体风格转换方法.首先,根据字体特点设计两个特征提取网络,分别提取字体风格特征和字符内容特征;然后,将两个特征输入生成器,利用字体风格特征约束生成字符图像的风格,字符内容特征约束生成字符图像的字形;最后,将生成字符图像输入到多尺度patch判别器中,对生成结果的多尺度图像块判断真假.实验结果表明,所提方法有效提升了生成字符图像的质量以及与目标字体的风格一致性.

基于深度学习的中文字体风格转换研究综述

根据中文字体风格转换研究发展的不同阶段进行方法分类,简要回顾传统方法,梳理分析深度学习方法.介绍常用的公开数据集和评价标准.分别从提高生成质量、增强个性化差异、减少训练样本数量和学习书法字体风格共4个方面展望未来研究.

基于GAN的场景文本艺术风格转换

图像风格转移是将风格样式迁移到源图像中的目标区域以创建艺术排版的任务,论文研究如何对场景文本图像中的文字区域进行风格转换,以实现自动对广告或海报中的文字进行风格转换,降低艺术创作的成本并提高艺术风格的多样性。由于场景文本图像中不同因素之间存在复杂的相互作用,先前很少有在保留原始文字内容和背景的同时进行文本风格转换的工作。该文提出了一个三阶段的框架,这是首个直接在原图进行程度可控的风格转换的网络,将原本对单个二值化字符进行风格转换的方法扩展到场景文本图像上的文字,并涉及到了图像修复的相关知识。首先使用风格转换网络只对场景文本图像中的文本风格进行转换,后利用字符擦除网络擦除原始字符重建背景图像,最后融合部分利用生成的前景图像和擦除字符后的背景图像生成最终风格转换后的结果图像。论文通过大量实验证明了该方法的有效性。