内容简介:.js 实现。项目作者也表示在基于 2013 的手写笔迹合成的论文下,新增了一个推理模型进行优化。(Demo 如下图所示)
.js 实现。
项目作者也表示在基于 2013 的手写笔迹合成的论文下,新增了一个推理模型进行优化。(Demo 如下图所示)
不同字体的手写笔迹合成。
-
项目地址:https://github.com/sjvasquez/handwriting-synthesis
-
网页版 Demo:https://seanvasquez.com/handwriting-generation/
上图这个权游里瑟曦的经典台词就是使用该项目创建的。
效果展示
让我们先来看一看这个项目的实际效果如何。
示例一为使用固定风格与偏置生成的样本(Smash Mouth – All Star 歌词):
示例二为使用变化的风格与固定偏置生成的样本,每一句诗词使用不同的风格生成(Vanessa Carlton – A Thousand Miles 歌词):
示例三为使用变化偏置与固定风格生成的样本,每一句诗词的偏置要比上一句小,最后一句无偏置(Leonard Cohen – Hallelujah 歌词):
使用方法
该项目的创建时间虽然有点早,不过从上一节的效果展示上来看依然很酷炫。值得一提的是该实现已经非常接近原论文,只有一些非常细微的偏差,生成的样本的质量也非常接近论文中的效果。
接下来让我们来看看如何使用:
lines = [ "Now this is a story all about how", "My life got flipped turned upside down", "And I'd like to take a minute, just sit right there", "I'll tell you how I became the prince of a town called Bel-Air", ] biases = [.75 for i in lines] styles = [9 for i in lines] stroke_colors = ['red', 'green', 'black', 'blue'] stroke_widths = [1, 2, 1, 2] hand = Hand() hand.write( filename='img/usage_demo.svg', lines=lines, biases=biases, styles=styles, stroke_colors=stroke_colors, stroke_widths=stroke_widths )
效果展示图。
简单来说有些细节需要注意,如上述代码所示,目前 Hand 类必须从 demo.py. 中导入。同时,其中也包含预训练模型,当然你也完全可以训练你自己的模型。
项目作者表示,该项目发起之初主要是为了研究论文而做的参考实验。但最终复现效果质量非常不错,因此该项目是可以更为广泛的进行使用。
比如可以将其进行打包,让整个项目项目看起来更像是一个可用的软件类项目,而不仅像研究类代码。同时,作者也提出可增添更多复杂的绘图、动画或是此方向的任意内容,而不仅仅限制至于当下的手写笔迹转换。感兴趣的读者可以参考项目原链接进行浏览。
以上所述就是小编给大家介绍的《厌倦了大众字体?你可以用这个项目自创一款手写体》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 使用TensorFlow处理MNIST手写体数字识别问题
- 腾讯 AI-Java 客户端 TAip 新增加手写体、车牌识别
- 手写一个解析器
- 手写一个webpack插件
- 从头手写一个Promise
- 前端面试之手写代码
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。