基于频率驱动的手写体合成：波调制MLP生成器
计算机视觉与模式识别
2025-08-29 v1 机器学习
摘要
标记手写体数据往往稀缺，限制了需要多样且风格一致训练样本的识别系统的效果。手写体合成提供了一个有前景的解决方案，通过生成人工数据来增强训练。然而，现有方法面临两个主要局限性：其一，大多数基于常规卷积结构，难以建模长程依赖和复杂的笔画模式；其二，基本上忽视了频率信息在捕捉手写体细粒度风格和结构细节方面的关键作用。为此，我们提出了FW-GAN，一个单样本手写体合成框架，可从单个实例生成真实、风格一致的文本。我们的生成器集成了相位感知的Wave-MLP，以更好地捕捉空间关系，同时保留细微的风格线索。我们进一步引入了基于频率引导的判别器，利用高频分量来增强对生成样本的真实性检测。此外，我们引入了一种新的频率分布损失，对齐合成手写体和真实手写体的频率特征，从而提升视觉保真度。在越南语和英文手写体数据集上的实验表明，FW-GAN能够生成高质量、风格一致的手写体，为低资源手写体识别（HTR）管道提供了有价值的数据增强工具。官方实现已公开 https://github.com/DAIR-Group/FW-GAN
引用
@article{arxiv.2508.21040,
title = {FW-GAN: Frequency-Driven Handwriting Synthesis with Wave-Modulated MLP Generator},
author = {Huynh Tong Dang Khoa and Dang Hoai Nam and Vo Nguyen Le Duy},
journal= {arXiv preprint arXiv:2508.21040},
year = {2025}
}