《zi2zi: Master Chinese Calligraphy with Conditional Adversarial Networks》论文笔记

论文链接
生成的样本
相关代码
作者以前的工作是处理类似的中文字体转化问题,结果不是很理想,反响和关注度也不如也不如现在这篇文章。前者遗留了诸多问题:

  1. 生成的图片通常很模糊
  2. 对更多的有风格的字体处理时效果不好
  3. 每次只能有限地学习和输出一种目标字体风格

用GAN可以解决这些问题

论文中是将三篇paper合在一起又加入了作者的构想形成的一个条件生成对抗网络:
三篇论文如下:
-Image-to-Image Translation with Conditional Adversarial Networks
-Conditional Image Synthesis With Auxiliary Classifier GANs
-Unsupervised Cross-Domain Image Generation

zi2zi模型和其名字一样,来源于pix2pix模型并有所改进。其网络结构如下:

  • 7
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 9
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值