[发明专利]一种基于强化学习的中文字库自动生成方法及系统

说明书

本发明公布了一种基于强化学习的中文字库自动生成方法及系统，通过创建强化学习模块输出薄板样条TPS插值函数参数，并应用TPS插值函数将标准汉字骨架的每个笔画转化为目标风格；再对笔画实际位置与尺寸进行预测，将笔画骨架组合为汉字骨架；对汉字骨架进行渲染生成目标汉字图片，从而得到完整的中文字库文件。系统包括：强化学习模块、笔画位置预测模块、渲染模块。本发明实现了对标准笔画骨架的修改和笔画边界框的预测，确保生成更好的目标风格汉字骨架。模型结构简单，无需进行大规模的预训练处理，即可合成高质量的汉字骨架，自动生成高质量的中文字库。

技术领域

本发明涉及计算机图形处理技术和人工智能技术，尤其涉及一种基于强化学习的中文字库自动生成方法及系统。

背景技术

随着现在越来越多的人寻求个性化字体，现有的商业字体库不能满足快速增长的需求。对于包含大量字符(例如中文)的书写系统，产生了很大的需求缺口。中文字体库中包含的字符多，这使得设计新的中文字体非常耗时且成本高昂。此外，字体设计的质量在很大程度上取决于设计师的个人能力和经验。

近些年来，许多研究人员希望自动生成中文字库来解决这一问题。根据处理对象不同，现有方法可以大致分为两组，分别处理字形图像和笔画轨迹。

处理字形图像的方法大多使用卷积神经网络(Convolutional Neural Network，简称CNN)提取汉字图片的内容和字体特征，然后重构特征将源字体中的字形图像转换为目标字体。如文献(Jiang Y,Lian Z,Tang Y,et al.DCFont：an end-to-end deep Chinesefont generation system[M]//SIGGRAPH Asia 2017Technical Briefs.2017：1-4.)记载的“DCFont”使用从字体特征重建网络中提取的样式特征控制输出字体风格，然后使用残差网络建立了从参考字体到目标字体的映射。为了保证输出质量，文献(Sun D,Ren T,Li C,et al.Learning to write stylized chinese characters by reading a handful ofexamples[J].arXiv preprint arXiv:1712.06424,2017.)记载的方法“SA-VAE”将汉字编码为131维向量，作为强引导信息保证输出正确的汉字字形结构。这一类方法可以自动生成较好的汉字字库，但其结果仍存在边缘模糊或字形错误的现象。

处理笔画轨迹的方法，利用了书写过程包含时间和位置信息的特点。这一类方法将汉字视为点序列，例如文献(Tang S,Xia Z,Lian Z,et al.FontRNN:Generating Large-scale Chinese Fonts via Recurrent Neural Network[C]//Computer GraphicsForum.2019,38(7):567-577.)记载的方法“FontRNN”。通过专门设计的循环神经网络(Recurrent Neural Network，简称RNN)模型，FontRNN学习了从输入字形序列到目标字形序列的转换，从而有效地模拟了人类的书写行为。但是，这种方法无法合成高质量的字形轮廓。

发明内容

为了克服上述两类方法生成结果存在的缺陷，本发明提供了一种基于强化学习的中文字库自动生成方法及系统。本发明使用笔画骨架作为引导信息，保证输出汉字的字形正确；与其他处理笔画骨架方法不同，本发明不直接输出新的笔画骨架，而是通过强化学习方法控制薄板样条(Thin-Plate Spline，简称TPS)插值函数，对标准骨架进行形变，并通过额外的神经网络对笔画位置与尺寸进行预测，以拼接骨架。最后使用神经网络对完整汉字骨架进行渲染，生成目标风格汉字字库。

为方便说明，本发明约定以下术语定义：

目标字体风格：由用户输入指定的字体风格。

汉字骨架：完整汉字骨架，由若干个笔画骨架构成。