[发明专利]一种利用生成对抗网络的篆刻作品定制化设计生成装置在审

专利信息
申请号: 202010833531.4 申请日: 2020-08-18
公开(公告)号: CN112132916A 公开(公告)日: 2020-12-25
发明(设计)人: 殷叶航;陈泽文;赵延吉;伍文棋;张瑞;张克俊 申请(专利权)人: 浙江大学
主分类号: G06T11/00 分类号: G06T11/00;G06T11/20;G06N3/04;G06N3/08;G06K9/62
代理公司: 杭州天勤知识产权代理有限公司 33224 代理人: 曹兆霞
地址: 310013 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 利用 生成 对抗 网络 篆刻 作品 定制 设计 装置
【说明书】:

本发明公开了一种利用生成对抗网络的篆刻作品定制化设计生成装置,包括通信连接的终端和服务器;所述服务器中存储有基于深度学习生成的风格化篆字字形数据;所述终端为用户提供篆刻作品的设计操作平台,用户通过设计操作平台编辑文字内容,从服务器下载文字内容对应的风格化篆字字形数据,同时通过设计操作平台编辑风格化篆字字形数据的设计风格,并生成满足设计风格的篆刻作品对应的印面图像,将印面图像发送至服务器存储。该篆刻作品定制化设计生成装置利用人工智能技术,让没有篆刻经验的用户也能通过电脑与手机上的简单交互实现个性化的篆刻印章定制生成。

技术领域

本发明属于人工智能艺术和计算机辅助设计技术领域,具体涉及一种利用生成对抗网络的篆刻作品定制化设计生成装置。

背景技术

人工智能技术,特别是基于深度神经网络的图像风格迁移算法,已经被应用于艺术生成领域。由于汉字数目庞大与审美复杂,字库等汉字艺术与设计产品的制作成本高昂,利用人工智能技术生成字形可一定程度提升产品生产效率。基于深度学习的图像风格迁移模型,包括生成对抗网络(GAN)与变分自编码器(VAE)等,已经被用于汉字字形的生成。自2018年来,上述相关方法已经被逐步应用于汉字设计与工程实践中。例如阿里巴巴与汉仪合作推出的人工智能字体——阿里汉仪智能黑体,即使用了深度学习算法生成字形。

将深度神经网络应用于中文字体生成的方法主要处理规范的现代汉字,且以生成单字为目的。如申请号为201710908121.X的专利申请公开的一种基于深度神经网络的手写体中文字库自动生成方法,如申请号为201910670478.8的专利申请公开的一种基于单阶段少量样本学习的艺术字体自动生成方法。

篆刻是有着几千年悠久历史的汉字艺术形式,是将汉字与图形雕刻在印章上的技艺,篆刻印面上通常使用篆书等古文字,雕刻在石料、木料等制成的印章上。篆刻艺术相比于其他传统艺术形式费时费力,故在普及推广上存在巨大障碍。人工智能技术在提升篆刻创作效率,提升大众篆刻艺术认知具有着巨大潜力。

现有的篆刻印章定制化生成方法只产生印蜕图像,不产生实体印章。数控雕刻机可以完成雕刻任务,已被应用于包括石制印章在内的定制礼品制作,但当前尚无整合软硬件的篆刻定制系统。

已有的篆刻印蜕图像的定制生成方法还具有以下缺陷:一方面生成效果欠佳,使用固定几款电脑字库,风格呆板,布局效果生硬,与真正的篆刻作品差异很大;另一方面可定制性较低,用户交互功能简单、不够友好,无法通过较少的操作实现尽可能美观的定制效果。

篆书字形作为篆刻作品生成的基础,可通过印谱数字化或深度神经网络生成获得。当前,系统化整理不同风格篆刻单字的开放数据仍较为缺乏,且印谱数字化扫描后需要进一步处理才能变成可使用在篆刻印章设计上的图像。基于深度神经网络的汉字风格迁移技术在目前也几乎完全应用于结构较为固定的现代汉字,应用于结构多变的汉字古文字还未见于开放文献。

发明内容

本发明的目的就是提供一种利用生成对抗网络的篆刻作品定制化设计生成装置,利用人工智能技术,让没有篆刻经验的用户也能通过电脑与手机上的简单交互实现个性化的篆刻印章定制生成。

为实现上述发明目的,本发明提供以下技术方案:

一种利用生成对抗网络的篆刻作品定制化设计生成装置,包括通信连接的终端和服务器;

所述服务器中存储有基于深度学习生成的风格化篆字字形数据;

所述终端为用户提供篆刻作品的设计操作平台,用户通过设计操作平台编辑文字内容,并从服务器下载文字内容对应的风格化篆字字形数据,同时通过设计操作平台编辑风格化篆字字形数据的设计风格,并生成满足设计风格的篆刻作品对应的印面图像,并将印面图像发送至服务器存储。

与现有技术相比,本发明具有的有益效果为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010833531.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top