.png){kind=icon}
返回
WriteViT: Handwritten text generation with vision transformer
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.133742.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人类能够仅凭一个示例快速掌握书写者的风格，直观地捕捉到笔迹中的微妙模式。然而，机器在这方面面临困难，尤其是在数据不足的条件下。为弥合这一差距，我们提出了WriteViT，一种基于视觉变换器（ViT）的单样本手写文本合成框架。该框架包含三个基于变换器的组件：一个基于ViT的书写者识别器，能够从单个参考图像中提取特定于书写者的风格嵌入；一个轻量级的基于ViT的识别器，在训练过程中提供内容监督；以及一个配备条件位置编码（CPE）的分层多尺度变换器生成器，用于渐进式手写合成。与通常依赖基于CNN的风格编码器和基于CRNN的识别器的先前手写合成方法相比，这种基于变换器的设计更适合建模手写中的长距离依赖关系，同时也能捕捉细粒度的笔画模式和更高级的样式特征。在IAM（英语）、CVL（德语和英语）和HANDS-VNOnDB（越南语）上的实验表明，WriteViT能够生成高质量、风格一致的手写文本，并且在不同语言和低资源环境下表现良好；据我们所知，这项工作是首次研究越南语手写合成的尝试。
Keyword:
Handwritten text synthesis
Vision transformer
One-shot learning
Vietnamese handwriting
Multi-scale generation
Generative adversarial networks
