文章目录
摘要
摘 要 在东亚,书写汉字一直是一项重要的技能。然而,由于汉字数量大,手写汉字的自动生成面临着很大的挑战。目前已有各种机器学习技术用于汉字识别,但对手写体汉字的生成问题,特别是在训练数据不配对的情况下,研究较少。在这项工作中,我们将中文手写字符的生成定义为学习从现有印刷字体到个性化手写风格的映射问题。我们进一步提出用 DenseNet CycleGAN生成汉字。我们的方法不仅适用于常用汉字,也适用于具有美学价值的书法作品。此外,我们提出内容准确性和风格差异作为评价
指标,以评估手写字符的质量。然后,我们使用我们提出的指标来评估从 CASIA 数据集和我们新引入的兰亭书法数据集生成的字符。
Abstract—Handwriting of Chinese has long been an important skill in East Asia. However , automatic generation of handwritten Chinese characters poses a great challenge due to the large number of characters. Various machine learning techniques have been used to recognize Chinese characters, but few works have studied the handwritten Chinese ch