SE-GAN: Skelettverstärktes GAN-basiertes Modell zur Generierung von Pinselhandschrift-Schriftarten

Frühere Arbeiten zur Schriftartgenerierung konzentrierten sich hauptsächlich auf die standardisierte Druckschrift, bei der die Form des Zeichens stabil ist und die Striche deutlich getrennt sind. Es gibt seltene Forschungen zur Generierung von Pinselhandschrift-Schriftarten, die ganzheitliche Strukturveränderungen und komplexe Strichübertragungen beinhalten. Um dieses Problem zu lösen, schlagen wir ein neuartiges GAN-basiertes Bildübersetzungsmodell vor, das die Skelettinformationen integriert. Zuerst extrahieren wir das Skelett aus den Trainingsbildern, dann entwerfen wir einen Bilder-Encoder und einen Skelett-Encoder, um die entsprechenden Merkmale zu extrahieren. Ein selbstaufmerksamer, verfeinerter Aufmerksamkeitsmodul wird entwickelt, um das Modell zu leiten, um charakteristische Merkmale zwischen verschiedenen Domänen zu lernen. Ein Skelettdiskriminator wird eingesetzt, um zuerst das Skelettbild aus dem generierten Bild mit einem vortrainierten Generator zu synthetisieren und dann dessen Echtheit im Vergleich zu dem Zielbild zu beurteilen. Wir stellen auch einen großangelegten Datensatz von Pinselhandschrift-Schriftartbildern mit sechs Stilen und 15.000 hochauflösenden Bildern zur Verfügung. Sowohl quantitative als auch qualitative experimentelle Ergebnisse zeigen die Wettbewerbsfähigkeit unseres vorgeschlagenen Modells.