汉字风格迁移篇---汉字笔划提取、数据集和基准的实例分割

最新推荐文章于 2024-12-06 18:31:13 发布

啊菜来了

最新推荐文章于 2024-12-06 18:31:13 发布

阅读量1.9k

点赞数 3

分类专栏：汉字风格文章标签：人工智能

本文链接：https://blog.csdn.net/m0_61985580/article/details/127592398

版权

汉字风格专栏收录该内容

32 篇文章 ¥29.90 ¥99.00

订阅专栏

本文提出了一种新的汉字笔划提取基准，包括两个大规模数据集：Kaiti CCSE和手写CCSE，用于笔划实例分割。通过将笔划提取转化为实例分割问题，使用深度学习模型（如CNN）取得了显著的性能提升。所提出的方法无需参考图像和领域专业知识，且生成的特征有利于下游任务，如字体生成和手写美学评估。实验结果展示了方法的有效性，并为未来研究提供了标准化评估框架。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Abstract

笔画是汉字的基本元素，笔画提取一直是一项重要而长期的工作。由于训练数据有限，现有的笔划提取方法通常是手工制作的，并且高度依赖于领域专业知识。此外，没有标准化的基准来提供不同笔画提取方法之间的公平比较，我们认为，这是发展汉字笔画理解和相关任务的主要障碍。在这项工作中，我们提出了第一个公开可用的汉字笔划提取（CCSE）基准，包括两个新的大规模数据集：Kaiti CCSE（CCSE-Kai）和手写CCSE（CC SE-HW）。利用大规模数据集，我们希望利用深度模型（如CNN）的表示能力来解决笔划提取任务，但这仍然是一个悬而未决的问题。为此，我们将笔划提取问题转化为笔划实例分割问题。使用所提出的数据集训练笔划实例分割模型，我们大大超过了以前的方法。此外，用所提出的数据集训练的模型有利于下游字体生成和手写美学评估任务。我们希望这些基准结果能够促进进一步的研究。
源代码和数据集可在以下网址公开获取：https://github.com/lizhaoliu-Lec/CCSE