基于深度学习的手写字母风格迁移与提取
计算机视觉与模式识别
2018-12-19 v1 机器学习
机器学习
摘要
我们如何使用深度神经网络学习、迁移和提取书写风格？本文使用 IRON-OFF 手写数据集上的深度条件自编码器探究了这些问题。我们进行了三个实验，系统性地探究了我们风格提取过程的质量。首先，我们使用多维性能指标将我们的模型与手写基准进行比较。其次，我们探究风格迁移的质量，即模型在未见的新书写者上的表现。在两项实验中，我们都大幅改进了 SOTA 方法的指标。最后，我们分析了模型的潜空间，发现其一致地分离了书写风格。
引用
@article{arxiv.1812.07103,
title = {Style Transfer and Extraction for the Handwritten Letters Using Deep Learning},
author = {Omar Mohammed and Gerard Bailly and Damien Pellier},
journal= {arXiv preprint arXiv:1812.07103},
year = {2018}
}
备注
Accepted in ICAART 2019