汉字风格迁移篇---用于汉字多字体生成的多样性正则化StarGAN

Abstract.

时尚汉字字体的生成在许多应用中起着核心作用，例如艺术字体的设计和汉字书法的生成。现有的方法大多侧重于单字体的生成，而对多字体的生成研究较少。在本文中，我们利用最近在文献中开发的一种非常流行的生成对抗网络模型StarGAN，通过单个模型来实现多风格中文字体的生成。此外，为了解决StarGAN中具有相似笔划的汉字的生成问题，即为这些不同但相似的汉字生成相同模式，我们引入了多样性正则化器，以便生成器可以生成具有更好多样性的高质量字符。在一个名为CASIA-HWDB1.1的手写汉字数据集和三个标准印刷字体数据集上进行了一系列实验，以证明该方法的有效性。实验结果表明，与基线StarGAN相比，该方法在生成结果的质量和多样性方面可以有效地解决具有相似笔划的汉字的生成问题，并且与现有的单字体生成方法相比，该方法可以扩展到多字体生成。

1. Introduction

近年来，汉字字体的生成引起了人们越来越多的关注[1、2、3、4]，因为它涉及到许多应用，例如自动生成艺术书法[5]、艺术字体设计[6]和汉字的个人风格生成[7]。

现有的中文字体生成方法一般可以分为两类。第一种方法[6，8]侧重于笔划/字根级特征。这些方法主要利用汉字笔划/部首的层次表示，然后通过一些机器学习方法将其合并，如支持向量机[9]，其中笔划/部首的层次表示通常是手动生成的，因此这种方法需要花费时间和精力。此外，这些方法非常注重字符的局部表示，而有时忽略了生成的字符的整体风格。因此，通常需要一些后处理来调整生成的字符。

第二种方法[1、2、3、4]主要基于图像级特征。这些方法的主要思想是将汉字生成问题视为从源域到目标域的某种风格