StrokeGAN+:基于笔画编码的小样本半监督中文字体生成
计算机视觉与模式识别
2022-11-14 v1 机器学习
摘要
中文字体生成具有广泛的应用。当前主流方法主要基于深度生成模型,尤其是生成对抗网络(GANs)。然而,现有基于 GAN 的模型通常受困于众所周知的模式崩溃问题。当模式崩溃发生时,此类基于 GAN 的模型将无法生成正确字体。为解决该问题,我们引入一位笔画编码与一种小样本半监督方案(即使用少量配对数据作为半监督信息),分别探索汉字的局部与全局结构信息,其动机源于笔画与字符直接体现汉字某些局部与全局模式的直觉。基于这些思路,本文提出一种有效模型称为 \textit{StrokeGAN+},其将笔画编码与小样本半监督方案融入 CycleGAN 模型。所提模型的有效性通过大量实验得以验证。实验结果表明,引入的一位笔画编码与小样本半监督训练方案可有效缓解模式崩溃问题,且所提模型在十四个字体生成任务上以四项重要评价指标及生成字符质量而言优于最先进模型。除 CycleGAN 外,我们还展示了所提思路可适配其他现有模型以提升其性能。本文亦评估了所提模型在零样本繁体中文字体生成上的有效性。
引用
@article{arxiv.2211.06198,
title = {StrokeGAN+: Few-Shot Semi-Supervised Chinese Font Generation with Stroke Encoding},
author = {Jinshan Zeng and Yefei Wang and Qi Chen and Yunxin Liu and Mingwen Wang and Yuan Yao},
journal= {arXiv preprint arXiv:2211.06198},
year = {2022}
}