Rewrite

重写: 面向中文字体的神经风格转换

如果设计师只创建了一组字符,然后让计算机找出其余字符应该是什么样子呢?毕竟,汉字由一组基本的部首组成,而且同一个部首在不同的字符上看起来很相似。

这个项目是利用 深度学习 来探索这一问题。具体来说，整个字体设计过程被定义为从标准外观字体（如 SIMSUN）到风格化目标字体的样式转换问题。使用 神经网络 来训练，以根据一组示例对象的子集来近似两个字体之间的转换。一旦学习完成，就可以使用它来推断其余字符的形状。下面的框图说明了这一总体思路：

这个项目深受 Erik Bernhardsson 的伟大博客 Analyzing 50k fonts using deep neural networks 和 Shumeet Baluja 的伟大论文 Learning Typographic Style 的启发。

说明与观察: * 每一层卷积后都跟着一个批量归一化层,然后是一个 ReLu 层,并进行了全程的零填充。 * 网络是针对预测输出与真实值之间的像素级 MAE(平均绝对误差)进行最小化,而不是更常用的 MSE(均方误差),如 Erik 的博客中所述。