任意手写图像风格迁移
计算机视觉与模式识别
2022-04-01 v4
摘要
本文提出一种通过风格迁移来模仿手写风格的方法。我们提出了一种基于条件生成对抗网络(cGAN)的手写风格迁移神经网络模型。本文在 GAN 的基础上改进了损失函数。与其他手写模仿方法相比，手写风格迁移的效果和效率均得到显著提升。实验表明，生成的中文字形清晰，且实验数据分析显示生成对抗网络在手写风格迁移中表现出优异性能。生成的文本图像更接近于真实手写，并在手写模仿方面取得了更好的性能。
引用
@article{arxiv.2201.05346,
title = {Arbitrary Handwriting Image Style Transfer},
author = {Kai Yang and Xiaoman Liang and Huihuang Zhao},
journal= {arXiv preprint arXiv:2201.05346},
year = {2022}
}