具風格與結構意識的中文書法生成器

Abstract

書法 (Calligraphy) 是用毛筆在紙上書寫文字的方法，一種書寫的藝術，在生活當中也有許多應用情境。然而，許多書法作品常因為時間的流逝而有所損毀，進而造成學習者與設計者使用上的困擾。因此，書法字的生成是一個重要的問題。 近年來，許多影像轉譯 (image-to-image translation) 的研究已經能夠利用生成對抗網路(generative adversarial network)的方法，從具有場域標記的資料中，學習場域之間的關係，建立複雜的生成模型，將普通的中文字轉譯成具書法風格的中文字。甚至使用單一模型，生成多種不同書法風格。然而，大多數的方法並沒有有效利用中文字本身具有的結構資訊。 本篇論文提出了一種新的方法，將中文字的結構資訊融入到模型中，藉此幫助生成更好的影像。 我們實驗在三種不同的資料集上，並採用質性與量化分析，結果均顯示此方法生成的影像優於先前的方法。

Chinese calligraphy is the writing of Chinese characters as an art form performed with brushes so Chinese characters are rich of shapes and details. Recent studies show that Chinese characters can be generated through image-to-image translation for multiple styles using a single model. We propose a novel method of this approach by incorporating Chinese characters' component information into its model. We also propose an improved network to convert characters to their embedding space. Experiments show that the proposed method generates high-quality Chinese calligraphy characters over state-of-the-art methods measured through numerical evaluations and human subject studies.