CASHG: 基于上下文感知的手写体在线生成

在线手写体将笔画表示为时间顺序的轨迹，这使得手写内容在广泛的应用中更容易被转换和重用。然而，生成能够忠实反映作家风格的自然句子级在线手写体仍然具有挑战性，因为句子合成需要具备上下文依赖性的字形、笔画连续性和间距。先前方法将这些边界属性视为序列建模的隐式结果，这在句子规模和有限的组成多样性下变得不可靠。我们提出 CASHG，一种基于上下文感知的风格化在线手写生成器，通过显式建模字符之间的连接性来实现风格一致的句子级轨迹合成。CASHG 使用字符上下文编码器获取字符身份和句子依赖的上下文记忆，并融合于基于双字的滑动窗口 Transformer 解码器中，以强调局部前一字符-当前字符转换，辅以门控式上下文融合以实现句子级上下文。训练通过从孤立字符到完整句子的三个阶段课程进行，提高了稀疏转换覆盖下的鲁棒性。我们进一步引入了连接和间距指标（CSM），这是一套以边界感知为导向的评估套件，用于量化手写体的连贯性和间距相似性。在与基准匹配的评估协议下，CASHG 在 CSM 上 consistently 超过比较方法，同时在基于 DTW 的轨迹相似性方面保持竞争力，其收益经人工评估得到证实。