這是通過單階段的少量學習的官方Pytorch實施藝術雕文構成的綜合。
紙|補充材料
自動產生的藝術字形圖像是一項具有挑戰性的任務,它吸引了許多研究興趣。以前的方法是專門設計用於形狀合成的,或者專注於紋理傳遞。在本文中,我們提出了一個新穎的模型AGIS-NET,以僅使用幾個風格的樣本將形狀和紋理樣式轉移到一個階段中。為了實現這一目標,我們首先使用兩個編碼器來刪除內容和样式的表示形式,從而確保多種式和多種式生成。然後,我們利用兩個合作的解碼器同時生成字形形狀圖像及其紋理圖像。此外,我們引入了本地紋理細化損失,以進一步提高合成質地的質量。通過這種方式,我們的單階段模型比其他多階段堆疊方法更高效和有效。我們還提出了一個具有各種形狀和紋理樣式的中國字形圖像的大規模數據集,該圖像由35個專業設計的藝術字體呈現,具有7,326個字符和2,460個具有639個字符的合成藝術字體,以驗證我們方法的有效性和擴展性。對英語和中國藝術字形圖像數據集進行了廣泛的實驗,證明了我們模型在生成高質量的風格化字形圖像與其他最先進方法的優勢。

| 跳過連接 | 本地歧視者 |
|---|---|
![]() | ![]() |



pip install visdom
pip install dominategit clone -b master --single-branch https://github.com/hologerry/AGIS-Net
cd AGIS-Net數據集服務器已關閉,您可以從PKU磁盤,Dropbox或Mega下載數據集。使用以下腳本下載數據集,可以使用四個數據集和原始的平均字體樣式字形圖像。
可能需要一段時間,請耐心等待
bash ./datasets/download_dataset.sh DATASET_NAME
base_gray_color英語合成的梯度字形圖像數據集,由Mc-Gan提出。base_gray_texture英語藝術字形圖像數據集,由Mc-Gan提出。skeleton_gray_color中文合成的漸變字形圖像數據集。skeleton_gray_texture我們提出的中國藝術字形圖像數據集。average_skeleton Raw中文Avgerage字體樣式(骨架)字形圖像數據集。請參閱數據,以獲取有關我們數據集以及如何準備自己的數據集的更多詳細信息。
要訓練模型,請下載培訓圖像(例如,英語藝術雕文轉移)
bash ./datasets/download_dataset.sh base_gray_color
bash ./datasets/download_dataset.sh base_gray_texture訓練模型:
啟動視覺可視化器
python -m visdom.server -port PORT端口在
train.sh中指定
在合成的梯度字形圖像數據集上預處理
bash ./scripts/train.sh base_gray_color GPU_IDGPU_ID指示使用哪種GPU。
藝術字形圖像數據集
bash ./scripts/train.sh base_gray_texture GPU_ID DATA_ID FEW_SIZEdata_id指示哪種藝術字體進行了微調。
很少的size表示少數集的大小。
它會引起一個錯誤,說:
FileNodeFoundError: [Error 2] No such file or directory: 'chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/latest_net_G.pth
將預告額的模型複製到上面的路徑
cp chechpoints/base_gray_color/base_gray_color_TIME/latest_net_ * chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/然後重新開始火車。它會很好。
要測試模型,請將受過訓練的模型從checkpoint複製到pretrained_models文件夾(例如,英語藝術雕文轉移)
cp chechpoints/base_gray_color/base_gray_texture_DATA_ID_TIME/latest_net_ * pretrained_models/base_gray_texture_DATA_ID/測試模型
bash ./scripts/test_base_gray_texture.sh GPU_ID DATA_ID該代碼靈感來自Bicyclegan。
特別感謝以下工程共享其代碼和數據集。
如果您發現我們的工作很有幫助,請引用我們的論文:
@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}
}
代碼和數據集僅允許個人和學術用法。