生成属于你自己的字库——《RD-GAN》ECCV论文解析

本文介绍了ECCV2020论文《RD-GAN: Few/Zero-Shot Chinese Character Style Transfer via Radical Decomposition and Rendering》。该研究提出了一种新的字体生成方法,仅需少量数据即可生成字体,并通过部首分解和多层次判别器实现汉字风格迁移。算法包括REM、RRM和多层判别器,但实验数据集的定义使得few-shot和zero-shot的界定存在争议。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天看一篇few-shot的字体风格迁移论文,全名《RD-GAN: Few/Zero-Shot Chinese Character Style Transfer via Radical Decomposition and Rendering》,来自ECCV2020。

这篇文章的核心创新点是:

1、只需要少量数据就能生成需要的字体

2、把汉字拆解成了部首

3、提出了一个多层次的判别器

 

算法流程如下图:

主要分为三个模块,REM、RRM和多层次判别器。

REM把一个字分成多个部分(部首)。RRM生成风格化的字。multi-level判别器来判断字是生成的还是真实的。

1、Radical Extraction Module(REM)

这里主要由双向lstm的编码器和解码器组成。

可以生成每个字的不同成分序列。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

哎呦不错的温jay

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值