用對抗生成神經網路實現特殊風格文字生成

作品摘要

在生活中文字用途廣泛，由於中文是表意文字，字體風格差異更為明顯。另外，在小時候我們時常會夢想能夠有機器人模仿我們的字幫我們寫作業。因此我們決定嘗試進行文字間風格轉換。

本研究實驗電腦字體之間、手寫字體之間及兩者之間的風格轉換，模型的部分使用 CycleGAN、StyleGAN，並透過 U-net、及在判別器中加入中文字辨識實驗是否能讓轉換結果更好，以及測試使用 Few shot GAN 觀察對於減少資料量後是否仍能維持我們預期的結果。

預處理先將電腦字體檔案轉換為多個文字的 png 檔案，手寫字體則撰寫介面化程式蒐集各種手寫字，再應不同的需求製作不同的電腦、手寫字體風格的資料集，之後撰寫模型，並在不同的實驗中比較加入以上變因及進行實驗，比較各模型生成結果的差異。