手写文本生成在手写文本识别中将走向何方？

历史文献的数字化对手写文本识别（HTR）系统提出了重大挑战，尤其是在处理与训练数据分布不一致的小型、作者特定集合时。手写文本生成（HTG）技术能够生成针对特定书写风格的合成数据，为应对这些挑战提供了有前景的解决方案。然而，各种HTG模型在提升HTR性能方面的有效性，特别是低资源转录场景下，尚未得到充分评估。在本工作中，我们系统地比较了三种最先进的风格化HTG模型（分别代表HTG的生成对抗、扩散和自回归范式），以评估它们对HTR微调的影响。我们分析了合成数据的视觉和语言特征如何影响微调结果，并提供了选择最有效HTG模型的定量指导。本分析的结果揭示了HTG方法的当前能力，并指出了其在低资源HTR应用中需要进一步改进的关键领域。