目的为了提升生成对抗网络汉字风格迁移的图像生成质量,实现汉字智能生成在字库产业中的实际应用,提出了一种基于直观汉字构形学的条件生成对抗网络字体生成优化方法(Optimizationof Conditional Fonts Generation with Chinese Charact...目的为了提升生成对抗网络汉字风格迁移的图像生成质量,实现汉字智能生成在字库产业中的实际应用,提出了一种基于直观汉字构形学的条件生成对抗网络字体生成优化方法(Optimizationof Conditional Fonts Generation with Chinese Character Configuration GANs,C^(3)-GAN)。方法建构了直观汉字构形模组(C^(3)Module),该模组包含了利于条件生成对抗网络进行汉字构形语义特征学习的全特征汉字字符集。C^(3)-GAN在条件生成对抗网络模型下进行字体生成训练,降低了必要训练样本数量,实现对字体生成效果的优化。结果使用C^(3)-GAN生成汉字图像的清晰度更高、字形更准确。在图像相似性定量评估中,使用C^(3)-GAN的实验组相比于其他模型,获得了更高的相似值和更小的误差值。结论使用C^(3)-GAN可以降低必要训练样本数量、提升汉字图像质量。在实际项目中具有一定的应用性和可操作性。展开更多
文摘目的为了提升生成对抗网络汉字风格迁移的图像生成质量,实现汉字智能生成在字库产业中的实际应用,提出了一种基于直观汉字构形学的条件生成对抗网络字体生成优化方法(Optimizationof Conditional Fonts Generation with Chinese Character Configuration GANs,C^(3)-GAN)。方法建构了直观汉字构形模组(C^(3)Module),该模组包含了利于条件生成对抗网络进行汉字构形语义特征学习的全特征汉字字符集。C^(3)-GAN在条件生成对抗网络模型下进行字体生成训练,降低了必要训练样本数量,实现对字体生成效果的优化。结果使用C^(3)-GAN生成汉字图像的清晰度更高、字形更准确。在图像相似性定量评估中,使用C^(3)-GAN的实验组相比于其他模型,获得了更高的相似值和更小的误差值。结论使用C^(3)-GAN可以降低必要训练样本数量、提升汉字图像质量。在实际项目中具有一定的应用性和可操作性。