论文介绍
与英文字母相比，由于字形形状、字体结构的复杂性以及存在的大量字符，汉字风格转换是一个极具挑战性的问题。而且，书法大师的笔迹笔画更不规则，在现实场景中很难获得。最近，已经提出了几种基于GAN的字体合成方法，但其中一些方法需要大量参考数据，而另一部分则需要繁琐的预处理步骤来将字符划分为不同的部分，以便分别学习和传输。
在本文中，我们提出了一个简单但强大的端到端汉字字体生成框架ZiGAN，它不需要任何手动操作或冗余预处理来生成具有少量参考的细粒度目标风格字符。具体地说，利用来自不同字符样式的几个成对样本来实现不同字形的结构之间的细粒度关联。为了捕获目标中有价值的风格知识并加强对字符内容的粗粒度理解，我们使用多个未配对样本来对齐属于不同字符风格的特征分布。这样，只需要几个目标汉字就可以生成预期的风格转换字符。实验表明，该方法在少样本汉字风格转换中具有最先进的泛化能力。
论文地址
https://arxiv.org/abs/2108.03596
