摘要:特定书法家的书法作品往往只包含有限的字数，而不是排版所需的全套汉字，不符合实际需要。因此，有必要为书法家开发一套完整的书法文字。最近流行的大多数生成书法字符的方法都是基于深度学习，使用端到端方法生成目标图像。基于深度学习的方法在打印字体与目标字体结构有显著差异时，通常会出现笔画结构转换不成功的问题。本文提出了一种基于对合的书法字符生成模型，实现了印刷字体到目标书法字体的转换。我们对Pix2Pix模型进行了改进，采用了一种新的神经算子——对折运算(involution)，该算子比仅使用卷积的模型更注重空间特征处理，能够更好地处理笔画之间的关系，从而使生成的书法字符具有准确的笔画结构。同时还加入了自关注模块和残差块，增加网络深度，提高模型的特征处理能力。 我们使用相同的数据集对我们的方法和一些基线方法进行了评估，实验结果表明，我们的模型在视觉和定量评估方面都有优势。
Introduction
字体工作背景
中国书法是中国人民智慧的结晶，是民族文化的重要组成部分，是一种非常独特的视觉艺术。中国书法的旋律之美、形式之美、意境之美日益受到设计界的重视，并被广泛应用于平面设计、石刻、产品设计等领域。
然而，现存的书法作品中，没有一件能包含一套完整的常用汉字，以满足实际需要。与英文字母不同的是，汉字的数量非常多，即使是常用的汉字也有3000个，要靠人的努力模仿一个书法家的风格来完成一个完整的字体库是不容易的，要精通一门书法学科是非常困难的，需要多年的练习。因此，有必要设计一种自动生成书法字体的方法，让书法家生成一套完整的排版所需的汉字，方便设计师使用，也方便书法爱好者学习。
自动
转载：https://blog.csdn.net/m0_61985580/article/details/128470688
查看评论