基于生成对抗网络的端到端拓片修复
计算机视觉与模式识别
2022-11-01 v3 人工智能
摘要
拓片修复对保护世界文化历史具有重要意义。本文提出 RubbingGAN 模型用于修复不完整的拓片字符。具体而言，我们从《张猛龙碑》中采集字符并构建了首个拓片修复数据集。我们设计了首个用于拓片修复的生成对抗网络。基于所采集的数据集，我们应用 RubbingGAN 学习《张猛龙碑》字体风格并修复字符。实验结果表明，RubbingGAN 能够快速且有效地修复轻度与重度不完整的拓片字符。
引用
@article{arxiv.2205.03743,
title = {End-to-End Rubbing Restoration Using Generative Adversarial Networks},
author = {Gongbo Sun and Zijie Zheng and Ming Zhang},
journal= {arXiv preprint arXiv:2205.03743},
year = {2022}
}
备注
8 pages, 11 figures, the work has been accepted to the AI for content creation workshop at CVPR 2022