零样本中文字符生成的骨架与字体生成网络

自动字体生成始终是一个具有挑战性的研究课题，主要由于中文字符数量庞大，每个字符都具有独特且复杂的结构。我们对以往研究的调查发现，固有偏差会导致字符结构发生变化。具体而言，当生成与训练样本相似但有所不同的中文字符时，偏差倾向于纠正或忽略这些细微差异。为解决此问题，我们提出了一种新型骨架与字体生成网络(SFGN)以实现更稳健的中文字符字体生成。我们的方法包括骨架构建器和字体生成器。骨架构建器利用低资源文本输入合成内容特征，使我们的技术能够独立于内容图像输入实现字体生成。不同于以往字体生成方法将字体风格视为全局嵌入的方式，我们引入字体生成器在部件水平上对齐内容和风格特征，这是字体生成的全新视角。除了常见字符，我们还对 misspelled 字符进行了实验，大部分 misspelled 字符与常见字符略有不同。我们的技术在生成图像的视觉效果方面证明了有效性，并超越了当前最先进的字体生成方法。此外，我们认为 misspelled 字符生成在教育方面具有重要意义，并通过实验验证了这一假设。我们将生成的 misspelled 字符用作中文字符错误纠正任务的数据增强，模拟学生在帮助 misspelled 字符的帮助下学习手写中文字符的情景。显著提升的错误纠正任务性能证明了我们方法的有效性以及 misspelled 字符生成的价值。