论文部分内容阅读
随着信息化时代的到来,人们的生活越来越离不开计算机,各种文档文件也逐渐从手写版本转化为打印版本。人们每天都会将各种字体进行格式转换,但是目前的格式转换功能仅限于文本格式文件,如果文件以扫描文档的形式出现,想要转换其中的文字风格是一件非常麻烦的事情。同时由于汉字结构复杂,每一个汉字都包含了部首和多种笔画,不同的部首不同的笔画按照不同的排列组合可以演变出许许多多的汉字,这就导致了汉字字数众多。所以,如果人们想要给汉字字体设计一套全新的字体风格对汉字字体风格艺术家来说是非常麻烦的事情,他们需要设计出大部分覆盖了人们日常所使用的汉字。因此,研究员们逐渐开始关注汉字的生成和字体风格迁移的问题。目前,大多数关于汉字的生成和字体风格迁移的研究都只限于一对一的转换,不能同时转换为多种风格字体,或者受限于模型本身,不能指定想要转换的字体,而且在字体的模仿方面存在缺陷,经常转换出来的字体图片不够清晰,笔画模糊,笔顺不够流畅。基于上述的种种缺陷,本文提出了一种基于生成对抗网络的汉字字体风格迁移与生成方法。本文与传统的使用生成对抗网络来生成汉字的模型不同的是,本文改进了整体网络结构,在生成对抗网络中新加了一个风格指定机制,以及增加了分类损失函数和语义一致性损失函数来约束模型的网络参数的优化,使得本文的模型可以通过字体风格指定机制一次性生成由用户所制定的多种字体(即一对多的字体风格转换),同时本文所提出的模型可以通过结合现有字体风格的特点,将不同风格的字体特征融合在一起,从而构造出一种全新的字体。本文在常用的汉字数据集上做了大量的实验,和以往的汉字生成与迁移模型的实验结果相比较,该模型生成图片质量高,具体来说,体现在汉字字体图片更加清晰,笔顺流畅,而且较好的体现了每种字体的风格特征,同时该模型可以根据用户需求来指定想要生成的字体,而且模型还生成出了全新的字体风格,这些使以往的模型所不具备的功能。另外,在实验部分增加了超参数的平衡性分析与图片质量的细节比对,充分说明本文的方法是有效的。