基於深度學習的中文字型生成之研究與實作

Abstract

"由於存在大量字符，因此生成中文字體庫是一項耗時的工作。以繁體中文設計為主需要開發超過 50,000 個字符，即使是比較小的 BIG5 集也將由 13,053 個中文字組成。當手寫中文字體具有各種不同的筆劃和部首結構樣式時，開發個性化的中文字體庫會更加困難。大多數個性化的中文字體產品都要求使用者先提供超過 1,000 個以上的手寫字，或者只能選擇有限風格的字體，無法滿足使用者多樣化的需求。近年來，許多研究提出了自動生成中文字體的AI 和計算機圖形系統，但是在輸出質量上仍然存在缺陷。在一方面基於筆劃的字體合成方法在構建筆劃提取資料庫方面遇到挑戰，繁瑣的人工的微調仍然不可避免。在另外一方面是基於學習的方法出現筆劃模糊，不完整或不正確的筆劃等常見問題。大部份的學習方法都要求用戶輸入以上 500 個字符，仍然缺乏實用性。在這項工作中，我們提出了一個兩階段的中文字體生成系統，該系統僅需要用戶編寫 25 個手寫字符。我們的系統在第一階段結合了字體樣式分類網絡，並在第二階段結合 CycleGAN 和骨架轉換網絡。實驗結果證明，與其他基於深度學習的方法相比，我們的方法具有更好的效能，除了產生風格更相近的個性化中文字體，也完美地解決了常見的中文字形生成的品質問題。"