文字风格迁移任务书

 2020-02-18 05:02

1. 毕业设计(论文)主要内容:

文本是二维设计中的一个显著视觉元素。艺术家投入了大量时间设计在视觉上与其他元素的形状和纹理相兼容的字形。这个过程需要大量劳动,艺术家们通常只设计标题或注释所必需的字形子集,这使得设计完成后文本很难更改,或者很难把看到的字体实例迁移到自己的项目中。

早期字形合成研究集中在轮廓的几何建模上,局限于特定的字形拓扑上(例如,不能应用到装饰字体或者手写体),并且不能与图像输入一起使用。随着深度神经网络的兴起,研究者研究了从图像进行字形建模的问题。另一方面,合成与局部观察相一致的数据在计算机视觉和图形学中是一个有趣的问题,字体数据是一个典型的例子,它提供了文字样式和内容的清晰分解。本课题拟研究基于给定参考图像的文字风格变换,改变文字的纹理特性,使之具有和参考图像一样的风格。


2. 毕业设计(论文)主要任务及要求

1. 熟悉Python语言,掌握tensorflow或pytorch基本框架,及基本数字图像处理技术,能利用和改进现有的深度学习流行网络,使之应用于本课题的模型构建中。

2. 实现文本区域文字显著性提取,以及提出此基础上对文字进行风格变换的方法。完成端到端的场景文本区域文本风格迁移模型的设计和实验分析。同时,掌握使用对抗生成网络GAN来实现文字风格迁移的方法。

3. 毕业设计(论文)完成任务的计划与安排

2019年1月11日-2019年1月31日:阅读文献,国内外研究现状调研;

2019年2月1日-2019年2月28日:掌握技能,具有针对性的学习相关算法,尝试实现已阅读文献中的方法,完成开题报告;

2019年3月1日-2019年3月31日:设计和实现新的文字风格变换算法;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] d. g. balreira and m. walter,“handwriting synthesis from public fonts,” 2017 30th sibgrapi conference ongraphics, patterns and images (sibgrapi), 2017.
[2] s. yang, j. liu, z. lian, and z. guo, “awesome typography: statistics basedtext effects transfer,” 2017 ieee conference on computer vision and patternrecognition (cvpr), 2017.
[3] upchurch p, snavely n, and bala k. from a to z: supervised transfer ofstyle and content using deep neural network generators. arxiv preprintarxiv:1603.02003, 2016.
[4] p. lyu, x. bai, c. yao, z. zhu, t. huang, and w. liu, “auto-encoder guidedgan for chinese calligraphy synthesis,” 2017 14th iapr international conferenceon document analysis and recognition (icdar), 2017.
[5] l. a. gatys, a. s. ecker, and m. bethge, “image style transfer usingconvolutional neural networks,” 2016 ieee conference on computer vision andpattern recognition (cvpr), 2016.

[6]j. johnson, a. alahi, and l. fei-fei, “perceptual losses for real-time styletransfer and super-resolution,” computer vision – eccv 2016 lecture notes incomputer science, pp. 694–711, 2016.
[7] x. huang and s. belongie, “arbitrary style transfer in real-time withadaptive instance normalization,” 2017 ieee international conference oncomputer vision (iccv), 2017.

[8] gu, s., chen, c., liao, j.,amp; yuan, l. “arbitrary style arbitrary style transfer with deep featurereshuffle,” 2018 ieee conference on computer vision and pattern recognition(cvpr), 2018.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。