这是通过单阶段的少量学习的官方Pytorch实施艺术雕文构成的综合。
纸|补充材料
自动产生的艺术字形图像是一项具有挑战性的任务,它吸引了许多研究兴趣。以前的方法是专门设计用于形状合成的,或者专注于纹理传递。在本文中,我们提出了一个新颖的模型AGIS-NET,以仅使用几个风格的样本将形状和纹理样式转移到一个阶段中。为了实现这一目标,我们首先使用两个编码器来删除内容和样式的表示形式,从而确保多种式和多种式生成。然后,我们利用两个合作的解码器同时生成字形形状图像及其纹理图像。此外,我们引入了本地纹理细化损失,以进一步提高合成质地的质量。通过这种方式,我们的单阶段模型比其他多阶段堆叠方法更高效和有效。我们还提出了一个具有各种形状和纹理样式的中国字形图像的大规模数据集,该图像由35个专业设计的艺术字体呈现,具有7,326个字符和2,460个具有639个字符的合成艺术字体,以验证我们方法的有效性和扩展性。对英语和中国艺术字形图像数据集进行了广泛的实验,证明了我们模型在生成高质量的风格化字形图像与其他最先进方法的优势。

| 跳过连接 | 本地歧视者 |
|---|---|
![]() | ![]() |



pip install visdom
pip install dominategit clone -b master --single-branch https://github.com/hologerry/AGIS-Net
cd AGIS-Net数据集服务器已关闭,您可以从PKU磁盘,Dropbox或Mega下载数据集。使用以下脚本下载数据集,可以使用四个数据集和原始的平均字体样式字形图像。
可能需要一段时间,请耐心等待
bash ./datasets/download_dataset.sh DATASET_NAME
base_gray_color英语合成的梯度字形图像数据集,由Mc-Gan提出。base_gray_texture英语艺术字形图像数据集,由Mc-Gan提出。skeleton_gray_color中文合成的渐变字形图像数据集。skeleton_gray_texture我们提出的中国艺术字形图像数据集。average_skeleton Raw中文Avgerage字体样式(骨架)字形图像数据集。请参阅数据,以获取有关我们数据集以及如何准备自己的数据集的更多详细信息。
要训练模型,请下载培训图像(例如,英语艺术雕文转移)
bash ./datasets/download_dataset.sh base_gray_color
bash ./datasets/download_dataset.sh base_gray_texture训练模型:
启动视觉可视化器
python -m visdom.server -port PORT端口在
train.sh中指定
在合成的梯度字形图像数据集上预处理
bash ./scripts/train.sh base_gray_color GPU_IDGPU_ID指示使用哪种GPU。
艺术字形图像数据集
bash ./scripts/train.sh base_gray_texture GPU_ID DATA_ID FEW_SIZEdata_id指示哪种艺术字体进行了微调。
很少的size表示少数集的大小。
它会引起一个错误,说:
FileNodeFoundError: [Error 2] No such file or directory: 'chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/latest_net_G.pth
将预告额的模型复制到上面的路径
cp chechpoints/base_gray_color/base_gray_color_TIME/latest_net_ * chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/然后重新开始火车。它会很好。
要测试模型,请将受过训练的模型从checkpoint复制到pretrained_models文件夹(例如,英语艺术雕文转移)
cp chechpoints/base_gray_color/base_gray_texture_DATA_ID_TIME/latest_net_ * pretrained_models/base_gray_texture_DATA_ID/测试模型
bash ./scripts/test_base_gray_texture.sh GPU_ID DATA_ID该代码灵感来自Bicyclegan。
特别感谢以下工程共享其代码和数据集。
如果您发现我们的工作很有帮助,请引用我们的论文:
@article{Gao2019Artistic,
author = {Gao, Yue and Guo, Yuan and Lian, Zhouhui and Tang, Yingmin and Xiao, Jianguo},
title = {Artistic Glyph Image Synthesis via One-Stage Few-Shot Learning},
journal = {ACM Trans. Graph.},
issue_date = {November 2019},
volume = {38},
number = {6},
year = {2019},
articleno = {185},
numpages = {12},
url = {http://doi.acm.org/10.1145/3355089.3356574},
publisher = {ACM}
}
代码和数据集仅允许个人和学术用法。