Velocity and stroke rate reconstruction of canoe sprint team boats based on panned and zoomed video recordings
Laboratory for Biosignal Processing, Leipzig University of Applied Sciences, Leipzig, Germany(生物信号处理实验室,莱比锡应用科学大学,莱比锡,德国);Research Group Canoeing, Institute for Applied Training Science (IAT), Leipzig, Germany(划船研究组,应用训练科学研究所(IAT),莱比锡,德国);German Canoe Federation, Duisburg, Germany(德国皮划艇联合会,杜伊斯堡,德国)
本文提出了一种基于平移和缩放视频记录重建皮划艇冲刺团队船只速度和划桨率的方法,利用YOLOv8检测浮标和运动员,结合已知的浮标网格估计同源性,通过U-Net进行船体校准以估计船的位置,并利用光流实现鲁棒跟踪,最终提取划桨率信息,实验结果表明其速度和划桨率的MAPE分别达到0.011和0.009,具有高精度和自动化反馈。
2026-05-18 cs.CV
Computer-Aided Multi-Stroke Character Simplification by Stroke Removal
Kyushu University, Fukuoka, Japan(九州大学,福冈,日本)
本文提出一种通过高精度字符识别模型评估易读性并选择性移除笔画以简化多笔画字符的框架,实验证明该策略在保持字符可区分性的同时具有简化潜力。
2025-06-29 cs.CV
Stroke Extraction of Chinese Character Based on Deep Structure Deformable Image Registration
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院)
本文针对中文字符笔画提取中交叉笔画错误和匹配困难问题,提出结合笔画语义与先验信息的深度学习方法,通过结构可变形图像配准、语义分割和单笔画高精度提取,在书法与手写数据集上显著优于基线方法。
2023-07-10 cs.AI cs.CV
Sketch & Paint: Stroke-by-Stroke Evolution of Visual Artworks
TCS Research(TCS研究中心)
本文提出一种基于邻近性聚类的笔触提取与排序方法,将像素图像转为矢量曲线以推断艺术品笔触序列,在WikiArt及多类图像上验证了可行性,助力理解艺术创作过程。
2025-02-27 cs.CV
Instance Segmentation for Chinese Character Stroke Extraction, Datasets and Benchmarks
Tencent Cloud Xiaowei(腾讯云小微)
笔画是汉字的基本组成元素,笔画提取一直是一项重要而长期的工作。现有的笔划提取方法通常是手工制作的,并且由于有限的训练数据而高度依赖于领域专业知识。此外,没有标准化的基准提供不同的笔画提取方法之间的公平比较,我们认为,这是一个主要的障碍,汉字笔画理解和相关任务的发展。在这项工作中,我们提出了第一个公共可用的汉字笔画提取(CCSE)基准,两个新的大规模数据集:开体CCSE(CCSE-Kai)和手写CCSE(CCSE-HW)。对于大规模数据集,我们希望利用CNN等深度模型的表示能力来解决笔划提取任务,然而,这仍然是一个悬而未决的问题。为此,我们将笔划提取问题转化为笔划实例分割问题。使用所提出的数据集训练中风实例分割模型,我们超过了以前的方法,由一个很大的利润。此外,使用所提出的数据集训练的模型有利于下游字体生成和手写美学评估任务。我们希望这些基准结果可以促进进一步的研究。源代码和数据集可在https://github.com/lizhaoliu-Lec/CCSE上公开获取。
2022-10-25 cs.CV
Reconstruction of a 3D wireframe from a single line drawing via generative depth estimation
Creative Machines Lab, Columbia University(创意机器实验室,哥伦比亚大学)
本文提出一种生成方法,将线稿重建视为条件密集深度估计任务,利用Latent Diffusion Model和ControlNet风格的条件框架解决正投影的固有歧义,并通过图遍历的BFS掩码策略支持迭代的线稿-重建-线稿工作流,实现从稀疏2D线稿到密集3D表示的转换。
2026-09-11 cs.CV
Attention-aware Multi-stroke Style Transfer
Tsinghua University(清华大学);Alibaba Group(阿里巴巴集团);University College London(伦敦大学学院)
神经风格迁移引起了学术界和工业界的广泛关注。虽然视觉效果和效率得到了显著提高,但现有方法无法协调内容图像和风格化图像之间视觉注意力的空间分布,或者通过不同的笔触呈现不同的细节水平。在本文中,我们通过开发一个注意力感知的多笔画风格迁移模型来解决这些限制。我们首先提出将自注意力机制组装到与风格无关的重建自动编码器框架中,从中可以推导出内容图像的注意力图。通过对内容特征和风格特征进行多尺度的风格交换,我们产生了反映不同笔画模式的多个特征图。进一步提出了一种灵活的融合策略,将注意力图的显著特征,这使得多个笔画模式集成到输出图像的不同空间区域和谐。我们证明了我们的方法的有效性,以及产生可比的风格化图像与多个中风模式对国家的最先进的方法。
2019-01-16 cs.CV
Chinese Character Recognition with Radical-Structured Stroke Trees
Fudan University(复旦大学)
深度学习的蓬勃发展见证了汉字识别的快速发展。然而,它仍然是一个很大的挑战,测试的字符可能有不同的分布从那些训练数据集。基于单级表示(字符级、部首级或笔画级)的现有方法可能对分布变化太敏感(例如,由模糊、遮挡和zero-shot问题引起)或对一对多模糊性过于宽容。在本文中,我们将每个汉字表示为一个笔画树,并根据其偏旁结构进行组织,以充分利用偏旁和笔画两个层次的优点。我们提出了一个两阶段的分解框架,其中一个部首到部首解码器感知部首结构和部首区域,和一个部首到笔画解码器进一步预测笔划序列根据特征的部首区域。生成的偏旁结构和笔画序列被编码为偏旁结构笔画树(RSST),该偏旁结构笔画树被馈送到基于所提出的加权编辑距离的树到字符翻译器,以匹配RSST词典中最接近的候选字符。大量的实验结果表明,在模糊、遮挡和zero-shot场景下,随着边缘分布差异的增大,该方法的性能优于现有的单水平方法,从而验证了该方法的鲁棒性.
2022-11-24 cs.CV
Zero-Shot Chinese Character Recognition with Stroke-Level Decomposition
Shanghai Key Laboratory of Intelligent Information Processing(上海市智能信息处理重点实验室);Fudan University(复旦大学)
汉字识别由于其广泛的应用而引起了人们的广泛兴趣。虽然人们对它进行了多年的研究,但这一领域的一些问题还没有完全解决,例如zero-shot问题。先前的基于字符和基于偏旁部首的方法没有从根本上解决zero-shot问题,因为在数据饥饿的条件下,测试集中的一些字符或偏旁部首可能不会出现在训练集中。受人类可以通过学习某些字符的笔顺来概括知道如何书写以前从未见过的字符这一事实的启发,我们提出了一种基于笔划的方法,将每个字符分解为一系列笔划,这些笔划是汉字的最基本单元。然而,我们观察到笔画序列和汉字之间存在一对多的关系。为了解决这个问题,我们采用了一种基于匹配的策略来将预测的笔画序列转换为特定的字符。我们评估所提出的方法对手写字符,印刷艺术字符,和场景字符。实验结果表明,该方法在字符zero-shot和激进的zero-shot任务上的性能优于现有的方法。此外,所提出的方法可以很容易地推广到其他语言的字符可以分解成笔画。
2021-06-22 cs.AI cs.CV
Stroke-Based Autoencoders: Self-Supervised Learners for Efficient Zero-Shot Chinese Character Recognition
Wuhan University of Technology(武汉理工大学);West Virginia University(西弗吉尼亚大学)
汉字承载着丰富的形义信息,因此,汉字形义增强的研究受到了极大的关注。以往的方法都是直接从整幅汉字图像中提取信息,不能同时提取全局和局部信息。在本文中,我们开发了一个基于笔划的自动编码器(SAE),用自监督的方法来模拟复杂的汉字形态。遵循其规范的书写顺序,我们首先将汉字表示为一系列具有固定书写顺序的笔画图像,然后训练SAE模型来重建该笔画图像序列。这个预训练的SAE模型可以预测未见过字符的笔画图像系列,只要它们的笔画或部首出现在训练集中。我们设计了两个对比SAE架构上不同形式的中风图像。一种是对现有的基于笔画的手写体汉字zero-shot识别方法进行微调,另一种是从汉字的形态特征出发,丰富汉字词嵌入。实验结果表明,经过预训练后,本文提出的SAE结构在zero-shot识别中的性能优于现有的方法,并利用汉字丰富的形态和语义信息增强了汉字的表示能力。
2022-07-17 cs.AI cs.CV
STAR: Zero-Shot Chinese Character Recognition with Stroke- and Radical-Level Decompositions
Jiangxi Normal University(江西师范大学)
近年来,零出手汉字识别引起了越来越多的关注。现有的方法主要是基于某些低级别的基于笔划的分解或基于中间级别的基于根的分解。考虑到笔划级和部首级分解可以提供不同层次的信息,本文将二者结合起来,提出了一种有效的zero-shot汉字识别方法。所提出的方法包括一个训练阶段和一个推理阶段。在训练阶段,我们采用两个类似的编码器-解码器模型来产生笔画和部首编码的估计,然后将其与真实编码一起用于形式化相关的笔画和部首损失以进行训练。引入相似性损失来正则化笔划和部首编码器,以产生具有高相关性的相同字符的特征。在推理阶段,两个关键模块,即,分别针对确定性和混淆性两种情况引入了笔划筛选模块和特征匹配模块。特别是,我们在FMM中引入了一个有效的笔划校正方案,以扩大最终推理的候选字符集。在手写体、印刷体艺术作品和街景场景的三个基准数据集上进行了大量的实验,以证明所提出的方法的有效性。数值结果表明,该方法在字符和部首zero-shot设置下均优于现有方法,在传统的可见字符设置下仍保持较好的性能。
2022-10-16 cs.CV
Stroke Modeling Enables Vectorized Character Generation with Large Vectorized Glyph Model
Tongji University(同济大学)
针对矢量化中文字形生成需求,提出大矢量化字形模型(LVGM),通过编码笔画为离散潜在变量、微调 DeepSeek LLM 预测下一笔画嵌入实现生成,还发布含90余万样本的中文SVG数据集,模型具数据规模缩放性且生成结果获验证。
2025-11-14 cs.CV
Character Generation through Self-Supervised Vectorization
Middle East Technical University(中东技术大学)
自监督图像生成中的流行方法是对像素级表示进行操作。虽然这种方法可以生成高质量的图像,但它不能从矢量化的简单性和固有质量中受益。在这里,我们提出了一个绘图代理,操作上的笔划级表示的图像。在每个时间步,代理首先评估当前画布并决定是否停止或继续绘制。当作出"绘制"决定时,代理输出指示要绘制的笔划的程序。因此,它通过在画布上绘制笔划来生成最终的光栅图像,使用最少数量的笔划并动态决定何时停止。我们通过对MNIST和Omniglot数据集的强化学习来训练我们的代理,以完成无条件生成和解析(重建)任务。我们利用我们的解析代理在Omniglot挑战中进行范例生成和类型条件概念生成,而无需任何进一步的训练。我们提出了成功的结果,所有三个生成任务和解析任务。最重要的是,我们不需要任何笔划级或矢量监督;我们只使用光栅图像进行训练。
2022-08-03 cs.CV cs.LG
AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting
Shanghai Jiao Tong University(上海交通大学);East China Normal University(华东师范大学);Cardiff University(卡迪夫大学)
针对神经绘画推理慢、训练不稳的问题,提出单步 AttentionPainter,通过可扩展笔触预测器、快速笔触堆叠、笔触密度损失及笔触扩散模型实现高效高质量生成。
2024-10-25 cs.CV
Stroke-Based Cursive Character Recognition
Universal Robot Co. Ltd.(环球机器人有限公司)
人眼可以看到和阅读以自然手写或印刷格式书写或显示的内容。同样的工作,如果机器做的是所谓的手写识别。手写识别可以分为两类:离线和在线。...
2013-04-01 cs.CV
Neural 3D Strokes: Creating Stylized 3D Scenes with Vectorized 3D Strokes
Beihang University(北京航空航天大学);University of Bath(巴斯大学);Zhongguanchun Laboratory(中关村实验室)
本研究提出Neural 3D Strokes技术,通过可微渲染器和梯度下降优化3D矢量笔触参数,从多视角2D图像生成视角一致的风格化3D场景,还可结合风格损失等拓展应用。
2024-03-12 cs.CV cs.GR
Stroke Sequence-Dependent Deep Convolutional Neural Network for Online Handwritten Chinese Character Recognition
Harbin Institute of Technology Shenzhen Graduate School(哈尔滨工业大学深圳研究生院)
本文提出了一种新的模型,命名为笔划序列相关的深度卷积神经网络(SSDCNN),利用笔划序列信息和八个方向的特征进行联机手写汉字识别(OLHCCR)。一方面,SSDCNN可以学习在线手写汉字(OLHCC)的表示,通过纳入自然的笔画序列信息。另一方面,SSDCNN可以以自然的方式合并八个方向的特征。为了训练SSDCNN,我们将训练过程分为两个阶段:1)使用训练数据对整个体系结构进行预训练,直到性能趋于收敛。2)进一步训练了用于将基于笔划序列的八向特征表示与softmax层相结合的全连接神经网络。实验是在ICDAR 2013的OLHCCR竞赛任务上进行的。实验结果表明,与只使用8个方向特征的模型相比,SSDCNN可以将识别错误率降低50%(5.13vs2.56)。与ICDAR 2013竞赛上提交的最佳系统相比,所提出的SSDCNN实现了97.44%的准确率,将识别错误降低了约1.9%。这些结果表明,SSDCNN可以利用笔划序列信息来学习OLHCC的高质量表示。它还表明,学习的表示和经典的八方向特征在SSDCNN架构中相互补充。
2016-10-13 cs.CV
A Stroke-Level Large-Scale Database of Chinese Character Handwriting and the OpenHandWrite_Toolbox for Handwriting Research
The Chinese University of Hong Kong(香港中文大学);Brain and Mind Institute, The Chinese University of Hong Kong(香港中文大学脑与心智研究所);Nottingham Trent University(诺丁汉特伦特大学);University of Potsdam(波茨坦大学);Hong Kong Baptist University(香港浸会大学)
本研究构建了42人每人1200字的大规模汉字手写数据库,并升级了OpenHandWrite_Toolbox工具箱,发现正字法和语音因素在字、部件、笔画层面影响手写,且效应逐级衰减。
2025-09-01 cs.CV
Structural analysis of Hindi online handwritten characters for character recognition
MIET(密鲁特工程技术学院);Indian Institute of Science(印度科学学院)
本文通过分析在线笔画方向属性提取子单元,用于印地语手写字符识别,基于子单元和全局特征训练分类器,在测试集上达到93.5%的最高准确率。
2023-10-12 cs.CV
Handwritten Chinese Font Generation with Collaborative Stroke Refinement
Cooperative Madianet Innovation Center, Shanghai Jiao Tong University(上海交通大学Madianet协同创新中心);Mitsubishi Electric Research Laboratories(三菱电机研究实验室);PingAn Technology US Research Lab(平安科技美国研究实验室);Huawei Technologies Noah’s Ark Lab(华为技术诺亚方舟实验室)
自动字符生成是一种很有吸引力的解决方案,新的字体设计,特别是中文字体,包括超过3700个最常用的字符。该任务有两个主要的痛点:(i)手写字符通常与信息少的细笔画和复杂结构相关联,其在变形期间容易出错;(ii)需要基于少数手动设计的字符来合成具有各种形状的数千个字符。为了解决这些问题,我们提出了一种新的基于卷积神经网络的模型,主要有三个技术:协同笔划细化,使用协同训练策略来恢复丢失或破损的笔划;在线缩放增强,利用内容重用现象来减少训练集的大小;自适应预变形,标准化和对齐字符。该模型只需要750个成对的训练样本,不需要预先训练的网络,额外的数据集资源或标签。实验结果表明,该方法显着优于国家的最先进的方法下的实际限制手写体字体合成。
2019-05-06 cs.CV
Neural Computing for Online Arabic Handwriting Character Recognition using Hard Stroke Features Mining
Prince Sultan University(苏丹亲王大学);Universiti Teknologi Malaysia(马来西亚理工大学)
由于阿拉伯草书的书写风格、书写速度、书写者心情等因素的影响,在线阿拉伯草书字符识别仍然是一个很大的挑战。由于这些不可避免的限制,在线阿拉伯字符识别的准确率仍然很低,还有改进的空间。本研究提出一种从手写笔长特征的纵横方向上提取在线阿拉伯文字识别中所需关键点的改进方法。每个提取的笔画特征将每个孤立的字符划分为一些有意义的模式,称为标记。从这些标记中提取最小特征集,使用多层感知器与反向传播学习算法和修改的基于S形函数的激活函数进行字符分类。在这项工作中,实现了两个里程碑;首先,获得固定数量的令牌,其次,最小化最重复的令牌的数量。实验中,手写体阿拉伯字符从OHASD基准数据集选择测试和评估所提出的方法。所提出的方法达到了98.6%的平均准确率在最先进的字符识别技术。
2021-01-15 cs.CL cs.CV
Text Gestalt: Stroke-Aware Scene Text Image Super-Resolution
The Hong Kong Polytechnic University(香港理工大学)
近十年来,深度学习的蓬勃发展见证了场景文本识别的快速发展。然而,低分辨率场景文本图像的识别仍然是一个挑战。尽管已经提出了一些超分辨率方法来解决这个问题,但它们通常将文本图像视为普通图像,而忽略了笔划(文本的原子单位)的视觉质量对文本识别起着至关重要的作用。根据完形心理学,人类能够在先验知识的指导下将部分细节组合成最相似的对象。同样,当人类观察低分辨率的文本图像时,他们将固有地使用部分笔画级别的细节来恢复整体字符的外观。受完形心理学的启发,本文提出了一种基于笔画感知的场景文本图像超分辨率方法,该方法包含一个笔画聚焦模块(Stroke-Focused Module,SFM),集中于文本图像中字符的笔画级内部结构。具体来说,我们试图设计规则,分解英文字符和数字在笔划级,然后预训练的文本识别器提供笔划级的注意力图作为位置线索,控制之间的一致性生成的超分辨率图像和高分辨率地面实况的目的。大量的实验结果验证了该方法确实可以在TextZoom和人工构建的汉字数据集Degraded-IC 13上生成更可区分的图像。此外,由于所提出的SFM仅用于在训练时提供行程级指导,因此在测试阶段不会带来任何时间开销。代码可在https://github.com/FudanVI/FudanOCR/tree/main/text-gestalt上获得。
2021-12-13 cs.AI cs.CV
Computer Aided Restoration of Handwritten Character Strokes
School of Mathematical Sciences, Tel-Aviv University(数学科学学院,特拉维夫大学)
本文提出一种变分方法用于修复损坏的古代希伯来文字符,通过立方样条进行梯度下降并保持插值,实现了对1000个古代字符的修复。
2016-07-06 cs.CV cs.GR cs.NA
Online trajectory recovery from offline handwritten Japanese kanji characters
Institute of Global Innovation Research(全球创新研究机构);Tokyo University of Agriculture and Technology(东京农工大学)
通常,从在线手写模式呈现离线手写图像是简单的。然而,这是具有挑战性的重建一个在线的手写模式给定的离线手写图像,特别是多笔划的字符,如日本汉字。多笔画字符不仅需要点坐标,而且需要笔画顺序,其难度随笔画数量呈指数增长。此外,多个交叉和接触点可能会增加恢复任务的难度。我们提出了一种基于深度神经网络的方法来解决使用大型在线手写数据库的恢复任务。我们提出的模型有两个主要组成部分:基于卷积神经网络的编码器和基于长短期记忆网络的解码器与注意层。编码器专注于特征提取,而解码器参考提取的特征并生成坐标的时间序列。我们还演示了在重建过程中的注意层,以指导解码器的效果。我们通过视觉验证和手写字符识别来评估所提出的方法的性能。虽然视觉验证揭示了一些问题,识别实验表明,在提高离线手写字符识别的准确性时,结合在线识别的恢复轨迹的轨迹恢复的效果。
2020-09-09 cs.CV cs.LG
Enabling Stroke-Level Structural Analysis of Hieroglyphic Scripts without Language-Specific Priors
THUNLP-MT(清华大学自然语言处理实验室)
本文提出HieroSA框架,使多模态大语言模型能自动从字符位图中提取脚本级结构,无需人工数据,实现跨语言通用性。
2026-04-18 cs.CL cs.CV
Stroke-based Cyclic Amplifier: Image Super-Resolution at Arbitrary Ultra-Large Scales
Beijing University of Posts and Telecommunications(北京邮电大学);Peking University(北京大学);Amazon AGI Foundations(亚马逊人工智能基础)
针对任意尺度图像超分辨率方法在超大规模上采样时性能下降、模糊严重的问题,提出基于笔触的循环放大器SbCA,通过笔触向量放大、细节补全及循环迭代策略实现超大规模上采样,效果显著优于现有方法。
2025-06-12 cs.AI cs.CV
Neural Collage Transfer: Artistic Reconstruction via Material Manipulation
Seoul National University(首尔大学)
针对逐像素生成法不符合拼贴逐片实体特性的问题,提出基于强化学习的神经拼贴迁移方法,通过拼贴MDP、基于模型的软演员-评论家算法等实现高质量拼贴生成,效果优于逐像素生成法。
2023-11-03 cs.AI cs.CV
Design and Development of a Framework For Stroke-Based Handwritten Gujarati Font Generation
Babu Madhav Institute of Information Technology, Uka Tarsadia University(乌卡·塔萨迪亚大学巴布·马德哈夫信息技术学院)
本文提出一种基于笔画规则的手写古吉拉特语字体生成框架,可由少量样例生成完整字体,并通过主观与OCR实验验证其有效性。
2024-04-04 cs.CV
Handwritten Arabic Character Recognition for Children Writ-ing Using Convolutional Neural Network and Stroke Identification
阿拉伯语手写体的自动识别是机器学习领域的一个新的研究课题。与拉丁语不同,阿拉伯语是一种闪米特语言,形成了一个更难的挑战,特别是由于作家年龄等因素造成的模式变化。大多数研究都集中在成年人身上,只有一项最近的研究是关于儿童的。此外,最近的许多机器学习方法都集中在使用卷积神经网络,这是一类强大的神经网络,可以从图像中提取复杂的特征。在本文中,我们提出了一种卷积神经网络(CNN)模型,该模型在Hijja数据集上识别儿童笔迹的准确率为91%,Hijja数据集是通过收集儿童书写的阿拉伯字符图像而建立的最新数据集,在阿拉伯手写字符数据集上的准确率为97%。结果显示,Hijja数据集作者提出的模型有了很好的改进,但它揭示了解决儿童阿拉伯手写字符识别的更大挑战。此外,我们提出了一种新的方法,使用多个模型,而不是单一的模型的基础上,在一个字符的笔画数,并合并Hijja与AHCD,达到平均预测准确率为96%。
2022-11-03 cs.AI cs.CV
Topographic Feature Extraction for Bengali and Hindi Character Images
Indian Institute of Technology, Kharagpur(印度理工学院克勒格布尔分校)
特征选择和提取在人脸识别、签名验证、光学字符识别(OCR)等基于不同分类的问题中起着重要的作用。OCR的性能在很大程度上取决于特征集的正确选择和提取。在本文中,我们提出了新的功能的基础上,从不同的观看方向上的二维平面上可见的字符的地形。所谓构形,是指笔画的结构特征及其空间关系。在这项工作中,我们开发的地形特征,从不同的方向(如北,南,东,西)的意见可见的笔画。我们考虑三种类型的地形特征:封闭区域,凸性的笔画,和直线笔画。这些特征被表示为一个基于形状的图,作为一个不变的特征集,用于区分非常相似的类型字符有效。我们已经测试了印刷和手写孟加拉语和印地语字符图像所提出的方法。初步结果表明,我们的方法的有效性。
2011-07-14 cs.CV
3Doodle: Compact Abstraction of Objects with 3D Strokes
Seoul National University(首尔大学)
针对手绘草图主观性强、视角不一致难以捕捉3D形状的问题,提出3Doodle方法,通过优化3D笔触基元参数生成视角一致的描述性草图,效果优于现有方法。
2024-04-29 cs.CV
Rotation-free Online Handwritten Character Recognition Using Linear Recurrent Units
College of Mathematics and Statistics, Chongqing University, China(数学与统计学院,重庆大学)
本文提出一种无旋转在线手写字符识别方法,结合滑动窗口路径签名与轻量级线性递归单元,实现高准确率的字符识别。
2026-09-09 cs.CV cs.LG
Handwriting Trajectory Recovery with Diffusion Models
Kyushu University(九州大学)
提出首个基于扩散模型的框架用于从离线手写图像恢复在线笔轨迹,将其作为图像条件生成任务,用去噪扩散模型采样轨迹,实验验证该方法能准确恢复复杂多笔画字符,提升指标并具笔画顺序倾向及泛化能力。
2026-07-07 cs.CV
A Medial Axis Based Thinning Strategy for Character Images
Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校)
人物形象的细化是一个很大的挑战。去除中风或畸形的变薄是一个困难的问题。在本文中,我们提出了一种基于中轴的细化策略,用于执行印刷和手写字符图像的细化。在该方法中,我们利用了文字的形状特征,得到了与真实字符形状几乎一致的骨架。这种方法有助于保持字符图像的局部特征和真实形状。该算法产生一个像素宽度的细骨架。作为细化方法的副产品,骨架也以矢量形式被分割成笔画。因此,不需要进一步的笔划分割。对印刷体英文和孟加拉文字符进行了实验,与其他细化方法相比,我们得到了更少的虚假分支,无需任何后处理。
2011-03-03 cs.CV cs.DL
A Framework for On-Line Devanagari Handwritten Character Recognition
Tata Consultancy Services(塔塔咨询服务公司)
联机手写体印度语字符识别的主要挑战是字符集的规模大、手写体中不同字符之间的相似性大以及书写风格的巨大变化。在本文中,我们提出了一个框架,在线手写脚本识别线索从语音信号处理文献。该框架是基于识别笔画,这反过来又导致识别手写在线字符,而不是传统的字符识别。虽然该框架是针对梵文脚本描述的,但该框架是通用的,可以应用于任何语言。该平台与传统的字符识别一样,包括预处理、特征提取、识别和后处理,但只适用于笔画。联机梵文字符识别简化为识别69个基元中的一个,字符的识别是通过识别一系列这样的基元来完成的。我们进一步展示了噪声去除对在线原始数据的影响,这些数据通常是有噪声的。文中还介绍了利用模糊方向特征提高笔画识别精度的方法。识别结果进行了比较,常用的方向特征文献中使用几个分类器。
2014-10-25 cs.CV
Rethinking Handwritten Character Recognition
Kathmandu University(加德满都大学)
提出GraphemeNet,通过持久支架注入和笔画拓扑模块显式编码文字几何结构,在14个基准上超越基线,验证了结构先验效率原则。
2026-09-11 cs.CV eess.IV
Automatic Generation of Typographic Font from a Small Font Subset
Tohoku University(东北大学);Canon, Inc.(佳能公司);Osaka Prefecture University(大阪府立大学);Kyushu University(九州大学)
本文讨论了从字符子集自动生成印刷字体的问题。具体来说,我们使用印刷字体的子集来推断额外的字符。因此,我们获得了一个完整的字体,其中包含了足够的字符数量,供日常使用。日语字体的自动生成需求很高,因为日语字体需要超过1,000个字符。不幸的是,大多数字体都是由专业的排版人员创建的,这导致字体生成需要大量的财务和时间投资。所提出的方法可以是字体创建的一个很大的帮助,因为设计师不需要创建一个新的字体的大部分字符。所提出的方法使用笔划从给定的样本的字体生成。笔划,从我们构建的字符,提取利用字符骨架数据集。本研究主要有三个贡献:一种新的方法提取笔画的字符,这是适用于标准字体和它们的变化;一个完全自动化的方法来构建字符;和样本字符的选择方法。我们通过生成47种字体的2,965个字符来演示我们提出的方法。客观评价和主观评价表明,生成的汉字与手工汉字相似。
2017-01-20 cs.CV
PTGCF: Printing Texture Guided Color Fusion for Impressionism Oil Painting Style Rendering
Xi’an University of Technology(西安理工大学);University of Strathclyde(思克莱德大学)
本文提出PTGCF笔触渲染方法,通过融合原始油画的色调特征与代表性颜色实现印象派风格化,实验表明其更适用于方向感均匀的点彩派作品及自然场景。
2022-07-27 cs.CV
GlyphMastero: A Glyph Encoder for High-Fidelity Scene Text Editing
MT Lab, Meitu Inc.(美图公司MT实验室);Department of Computer Science and Technology, BNRist, IDG/McGovern Institute for Brain Research, Tsinghua University(清华大学计算机科学与技术系)
本文提出字形编码器GlyphMastero,通过字形注意力模块和特征金字塔网络捕捉字符跨层级与多尺度特征,引导扩散模型实现笔画级精度的场景文本编辑,在句子准确率和FID指标上显著超越现有基线。
2025-05-08 cs.CV
Histograms of Points, Orientations, and Dynamics of Orientations Features for Hindi Online Handwritten Character Recognition
MIET(密拉特工程技术学院);Indian Institute of Science(印度科学学院)
本文提出一种与笔画方向和顺序无关的特征提取方法,通过空间直方图描述点坐标、方向及其动态,用于印地语在线手写字符识别,SVM分类准确率达92.9%。
2023-09-05 cs.CV eess.SP
Zero-Shot Chinese Character Recognition with Hierarchical Multi-Granularity Image-Text Aligning
Shanghai Key Laboratory of Intelligent Information Processing(上海智能信息处理关键实验室);School of Computer Science, Fudan University(复旦大学计算机学院)
针对中文字符识别依赖单层表示和后处理的问题,提出基于对比范式的层次多粒度图文对齐框架Hi-GITA,通过多粒度编码器与融合模块提取并融合笔画、部首特征,并利用细粒度解耦图文对比损失对齐图文多粒度表示,在零样本设置下显著提升了识别准确率。
2025-05-30 cs.CV
Attention Hybrid Variational Net for Accelerated MRI Reconstruction
Boston University(波士顿大学);Boston Medical Center(波士顿医疗中心);Boston University Chobanian & Avedisian School of Medicine(波士顿大学乔巴尼亚与阿夫迪西安医学院)
提出一种在k空间和图像域联合学习的注意力混合变分网络,用于加速MRI重建,在开源和临床中风数据集上优于其他方法。
2023-06-21 cs.CV cs.LG eess.IV
AREPAS: Anomaly Detection in Fine-Grained Anatomy with Reconstruction-Based Semantic Patch-Scoring
Computational Imaging Research Lab, Department of Biomedical Imaging and Image-guided Therapy, Medical University of Vienna(医学影像与影像引导治疗系计算成像研究实验室,维也纳医学大学);Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna(医学人工智能综合中心,维也纳医学大学)
针对肺部细粒度组织变异的挑战,提出一种基于图像到图像转换和块相似度评分的生成式异常检测方法,在胸部CT和脑部MRI异常分割任务上显著提升了DICE分数。
2025-09-16 cs.CV
Shu Dao: A Calligraphy Score Framework Linking Calligraphy, Music, and Performance
Hangzhou Domain Zones Technology Co., Ltd.(杭州域区技术有限公司)
提出CWSR表示法和书道框架,将东亚书法建模为类似乐谱的结构化表演,支持人机共创。
2026-03-24 cs.CV cs.HC cs.MM
Generating Handwriting via Decoupled Style Descriptors
Brown University(布朗大学)
表示手写笔划样式的空间包括表示每个字符的样式和人类书写者的总体样式两者的挑战。现有的VRNN表示手写的方法通常不区分这些不同的风格组件,这可能会降低模型的能力。相反,我们引入了用于手写的解耦样式描述符(DSD)模型,该模型考虑了字符和作家级别的样式,并允许我们的模型表示更大的样式空间。这种方法还增加了灵活性:举几个例子,我们可以生成新的writer样式的手写,现在还可以跨writer样式生成新字符的手写。在实验中,我们生成的结果在88%的时间内优于最先进的基线方法,并且在20名作家的作家识别任务中,我们的DSD从单个样本单词中获得了89.38%的准确率。总体而言,DSD使我们能够比现有的手写笔画生成方法提高质量和灵活性。
2020-09-14 cs.CV
VQ-Font: Few-Shot Font Generation with Structure-Aware Enhancement and Quantization
Harbin Institute of Technology(哈尔滨工业大学);Nanyang Technological University(南洋理工大学)
针对少样本中文字体生成易出现细节缺失、笔画扭曲的问题,提出基于VQGAN的VQ-Font框架,通过码本精炼token先验与结构感知风格校准提升字形保真度,实验表明其在定量定性指标上均优于现有方法。
2023-08-27 cs.CV
DeepMine-Mamba: Mitigating Information Dilution in Mamba-Based State Space Models for Document Image Binarization
Department of Electrical and Computer Engineering, Tamkang University(淡江大学电机与计算机工程系)
提出DeepMine-Mamba框架,通过抗稀释门控机制选择性恢复笔画敏感局部响应,抑制无关背景增强,解决Mamba状态空间模型在文档二值化中弱前景线索被稀释的问题。
2026-10-28 cs.CV
Enhanced Video Text Editing with Trajectory-Aligned Glyph Rendering
South China University of Technology(华南理工大学);The Chinese University of Hong Kong(香港中文大学);Huawei(华为)
针对视频扩散模型生成文本笔画错误的问题,提出轨迹对齐字形渲染与深度归一化识别器监督,构建VTEdit基准,实现高文本准确率与背景保持。
2026-10-07 cs.CV
DR-Mamba: Automatic Inference-Time Domain Adaptation for Document Image Binarization via Sample-Conditioned Detail-Background Suppression
Department of Electrical and Computer Engineering, Tamkang University(淡江大学电机与计算机工程系)
提出DR-Mamba框架,通过输入依赖门控在单次前向传播中实现文档图像二值化的推理时域自适应,无需目标域标签或微调,利用快慢路径建模和减法门显式抑制背景干扰,在DIBCO基准上显著提升跨域鲁棒性。
2026-06-23 cs.CV
Bi-temporal Image-driven Acute Stroke Evolution Analysis
Department of Electrical Engineering and Computer Science, University of Stavanger(斯瓦尔巴大学电子工程与计算机科学系);Stavanger Medical Imaging Laboratory, Stavanger University, Hospital(斯塔万格医学影像实验室,斯塔万格大学医院)
本文提出双时间影像分析框架,利用统计描述符和深度特征嵌入分析中风演变,揭示不同区域的组织状态变化及可挽救性。
2026-10-09 cs.AI cs.CV
Puzzle Pieces Picker: Deciphering Ancient Chinese Characters with Radical Reconstruction
Huazhong University of Science and Technology(华中科技大学);The University of Adelaide(阿德莱德大学);Anyang Normal University(安阳师范学院);South China University of Technology(华南理工大学)
本文提出Puzzle Pieces Picker(P$^3$)方法,通过将甲骨文解构为笔画与偏旁并用Transformer重构为现代汉字,并构建ACCP数据集,有效破解未释读古汉字,弥合传统文献学与现代文档分析技术的鸿沟。
2024-06-05 cs.CV
A Lightweight Multi-Module Fusion Approach for Korean Character Recognition
Among Solution;Gwangju Institute of Science and Technology (GIST)(光州科学技术院)
本文提出轻量级韩文字符识别网络SDA-Net,通过双注意力、动态上下文编码、U-Net式特征融合和轻量骨干,在保证高准确率的同时实现快速推理,适合实时边缘部署。
2025-04-08 cs.AI cs.CV
FoolSDEdit: Deceptively Steering Your Edits Towards Targeted Attribute-aware Distribution
Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学);Institute of High Performance Computing (IHPC)(高性能计算研究所);Centre for Frontier AI Research (CFAR)(前沿人工智能研究中心)
针对SDEdit可能生成违背用户意图图像的安全漏洞,提出TAGA攻击方法,通过联合优化曝光与运动模糊扰动,迫使SDEdit生成指定属性分布,实验验证其有效性。
2024-02-06 cs.CR cs.CV
Self-supervised Skull Reconstruction in Brain CT Images with Decompressive Craniectomy
Research Institute for Signals, Systems and Computational Intelligence, sinc(i), CONICET, FICH-UNL(信号、系统与计算智能研究所 (sinc(i)),国家科学与技术研究理事会 (CONICET),卢汉国立大学工程学院 (FICH-UNL));University of Cambridge(剑桥大学);Imperial College London(帝国理工学院)
去骨瓣减压术(DC)是一种常见的外科手术,包括在中风、创伤性脑损伤(TBI)或其他可能导致急性硬膜下出血和/或颅内压升高的事件后切除部分颅骨。在这些情况下,获得CT扫描以诊断和评估损伤,或指导某种治疗和干预。我们提出了一种基于深度学习的方法,用于从术后CT图像重建TBI后在DC期间移除的颅骨缺损。这种重建在多种情况下都是有用的,例如,支持颅骨成形术板的创建,骨瓣体积和总颅内体积的准确测量,对于旨在将后期萎缩与患者结局相关的研究很重要。我们提出并比较了替代的自我监督方法,其中编码器-解码器卷积神经网络(CNN)估计术后CT上丢失的骨瓣。自监督学习策略仅需要具有完整头骨的图像,并且避免了对带注释的DC图像的需要。为了进行评估,我们采用真实和模拟图像与DC,比较结果与其他国家的最先进的方法。实验表明,所提出的模型优于当前的手动方法,即使在手术过程中去除了大的颅骨缺损的高度挑战性的情况下也能够进行重建。
2020-07-11 cs.CV eess.IV