通过解耦风格描述符生成手写体
计算机视觉与模式识别
2020-09-16 v2
摘要
表示手写笔画风格空间面临的挑战在于同时表征每个字符的风格与书写者整体风格。现有的VRNN手写表示方法通常未区分这些不同的风格成分，这会降低模型能力。相反，我们引入了用于手写的解耦风格描述符（DSD）模型，该模型分解了字符级与书写者级风格，使我们的模型能够表示总体上更大的风格空间。该方法还增加了灵活性：给定少量样本，我们即可生成新书写者风格的手写体，并且现在还能跨书写者风格生成新字符的手写体。在实验中，我们的生成结果在88%的情况下优于最先进的基线方法；在20个留出书写者的书写者识别任务中，我们的DSD仅凭单个样本词即达到了89.38%的准确率。总体而言，DSD使我们相比现有手写笔画生成方法在质量与灵活性上均有所提升。
引用
@article{arxiv.2008.11354,
title = {Generating Handwriting via Decoupled Style Descriptors},
author = {Atsunobu Kotani and Stefanie Tellex and James Tompkin},
journal= {arXiv preprint arXiv:2008.11354},
year = {2020}
}
备注
European Conference on Computer Vision (ECCV) 2020