面向汉字笔画提取的实例分割、数据集与基准
计算机视觉与模式识别
2022-10-26 v1
摘要
笔画是汉字的基本要素，笔画提取一直是一项重要且长期的工作。由于训练数据有限，现有笔画提取方法多为手工设计且高度依赖领域专业知识。此外，缺乏标准化基准以为不同笔画提取方法提供公平比较，我们认为这是阻碍汉字笔画理解及相关任务发展的主要障碍。本工作中，我们提出首个公开可用的汉字笔画提取（CCSE）基准，包含两个大规模新数据集：楷体 CCSE（CCSE-Kai）与手写 CCSE（CCSE-HW）。借助大规模数据集，我们希望利用 CNN 等深度模型的表示能力来解决笔画提取任务，但这仍是一个开放问题。为此，我们将笔画提取问题转化为笔画实例分割问题。使用所提数据集训练笔画实例分割模型，我们以大幅优势超越以往方法。此外，使用所提数据集训练的模型有益于下游字体生成与手写美学评估任务。我们希望这些基准结果能促进进一步研究。源代码与数据集公开于：https://github.com/lizhaoliu-Lec/CCSE。
引用
@article{arxiv.2210.13826,
title = {Instance Segmentation for Chinese Character Stroke Extraction, Datasets and Benchmarks},
author = {Lizhao Liu and Kunyang Lin and Shangxin Huang and Zhongli Li and Chao Li and Yunbo Cao and Qingyu Zhou},
journal= {arXiv preprint arXiv:2210.13826},
year = {2022}
}
备注
12 pages, 8 pages for the main paper, 4 pages for the supplementary