面向手写识别的内容与风格感知文本行图像生成

手写文本识别在公开基准上已取得令人印象深刻的性能。然而，由于手写风格间存在高度的类间与类内差异，此类识别器需要使用海量人工标注训练数据进行训练。为缓解这一耗费人力的问题，常利用 TrueType 字体生成的合成数据加入训练以扩充数据量并增加手写风格多样性。但合成数据与真实数据间存在显著的风格偏差，阻碍了识别性能的提升。为应对这些局限，我们提出一种以视觉外观与文本内容为条件的手写文本行图像生成方法。我们的方法能够生成具有多样手写风格的长文本行样本。一旦训练完毕，该方法还可通过仅使用无标注文本行图像来模仿手写风格，并生成任意文本内容的图像，从而适配新的目标数据。我们开展了大量实验，利用生成的样本提升手写文本识别性能。定性与定量结果均表明，所提方法优于当前最优水平。