基于分层对抗网络的中文字体风格转换
计算机视觉与模式识别
2017-11-20 v1
摘要
本文通过图像风格迁移探索自动化字体生成，该方法在自然图像生成中已展现出巨大前景。现有的自然图像风格迁移方法通常假设源图像与目标图像具有相似的高频特征。然而，这一假设在字体转换中不再成立。受生成对抗网络（GANs）近期进展的启发，我们提出一种用于字体转换的分层对抗网络（HAN）。所提HAN由两个子网络组成：一个迁移网络和一个分层对抗判别器。迁移网络将字符从一种字体映射到另一种字体。字体的一个独特特征是，即使在同一种字体下，相同部首在不同字符中也可能有相当不同的外观。因此，迁移网络采用一个阶段解码器来利用多个特征层，旨在捕捉全局与局部特征。分层对抗判别器隐式度量生成域与目标域之间的数据差异。为利用不同特征层的互补判别能力，判别器采用了分层结构。我们通过实验证明HAN是字体迁移与字符复原的有效框架。
引用
@article{arxiv.1711.06448,
title = {Chinese Typeface Transformation with Hierarchical Adversarial Network},
author = {Jie Chang and Yujun Gu and Ya Zhang},
journal= {arXiv preprint arXiv:1711.06448},
year = {2017}
}
备注
8 pages(exclude reference), 6 figures