文章目录
- 1、问题陈述
- 2相关工作和动机
- 3 Proposed Approach
- 4 Data Description
- 5 Model Description
- 6 Experiments
-
- 6.1 Transfer performance under strong pair policy
- 6.2 Transfer performance under soft pair policy
- 6.3 Transfer performance under random pair policy
- 6.4 Transfer performance on calligraphy fonts
- 6.5 Transfer performance for non-Chinese languages
- 6.6 Effect of various loss weights
- 6.7 Effect of pretraining
- 6.8 Effect of batch normalization
- 7 Evaluation
- 8 Future Work
- 9 Acknowledgement
- References
- Appendix
https://github.com/kaonashi-tyc/zi2zi/
https://www.google.com/get/noto/help/cjk/
http://zh.wikipedia.com/zh-hans/%E5%8D%8E%E6%96%87%E8%A1%8C%E6%A5%B7
1、问题陈述
印刷术在出版业中起着重要作用,不同的用例通常需要不同的印刷术。然而,设计一种新的字体是非常昂贵和耗时的,尤其是对于涉及大量字符的中文来说。提出了一些半自动排版合成方法。这些方法利用结构的共性来简化设计过程。一种方法[1]是首先手动为新字体设计字符子集,然后自动生成剩余字符。在本项目中,我们将尝试使用生成对抗网络(GAN)来探索这个问题。
2相关工作和动机
传统的中文排版综合方法将汉字视为部首和笔划的集合,但它们依赖于手动定义关键点,这仍然需要花费大量时间。最近的一些计算机视觉研究[2]提出了