基于生成对抗网络的字体生成数据集差异性研究

摘要

在人工智能辅助汉字字体生成任务中,生成字体图像的质量不仅与网络模型的鲁棒性有关,也与参考字体的选取存在直接联系。为了提高网络模型生成字体的效率与准确性,对于不同的参考字体在传统的zi2zi与DC-Font生成网络模型进行了字体生成实验。实验结果表明:传统的网络模型输入的参考字体与目标字体有较强的依赖性,二者差异越大,训练所需时间越长,生成效果越差。为了解决上述问题,通过实验结果分析了参考字体的选取标准,并给出了参考字体与目标字体SSIM的范围值。当参考字体与目标字体的SSIM值大于50%时,有助于提高网络模型的生成字体效率,这也为研究学者对于网络模型的数据集选取提供了一定的参考。