基于生理合理性运动模型与循环神经网络的书法风格化学习
计算机视觉与模式识别
2017-10-04 v1
摘要
我们提出了一个计算框架，用于从示例图画或文字中学习风格化模式，随后生成具有相似风格特质的新轨迹。我们特别关注生成与风格化类似于书法和涂鸦艺术中所见轨迹的过程。我们的系统能够从少量用户定义的示例中提取并学习动态与视觉特质，这些示例可通过数字化设备（如平板电脑、鼠标或动作捕捉传感器）记录。随后，我们的系统能够将用户新绘制的轨迹转换为在运动学上和风格上均与训练示例相似的状态。我们使用循环混合密度网络（RMDN）结合由 Sigma Lognormal 模型参数给出的表示来实现该系统，Sigma Lognormal 模型是一种生理合理的运动模型，已被证明能紧密再现人类手写手势的速度与轨迹。
引用
@article{arxiv.1710.01214,
title = {Calligraphic Stylisation Learning with a Physiologically Plausible Model of Movement and Recurrent Neural Networks},
author = {Daniel Berio and Memo Akten and Frederic Fol Leymarie and Mick Grierson and Réjean Plamondon},
journal= {arXiv preprint arXiv:1710.01214},
year = {2017}
}
备注
8 Pages, Accepted for publication at MOCO '17, 4th International Conference on Movement Computing 28-30 June 2017, London, United Kingdom