Few-shot Calligraphy Style Learning

我们介绍了一种新颖的学习和复制徐主席独特书法风格的方法——“Presidifussion”，该方法使用经过两阶段训练过程调整的预训练扩散模型。首先，我们的模型在包含各种书法家作品的多样化数据集上进行预训练。然后，我们在小型、专门的徐主席书法数据集上进行微调，该数据集包含不到200张图片。我们的方法引入了字体图像条件和笔画信息条件的创新技术，使模型能够捕捉汉字的复杂结构元素。通过与传统方法（如zi2zi和CalliGAN）进行比较，我们的方法证明了其有效性，我们的模型使用显著较小的数据集和减少的计算资源即可实现可比较的性能。这项工作不仅在书法艺术数字保存方面取得了突破，还为文化遗产数字化领域的数据高效生成建立了新标准。

本论文旨在通过一种新的方法，即Presidifussion，来学习和复制徐主席的书法风格。该方法不仅提高了数字化书法艺术的保存效率，还在文化遗产数字化领域中树立了数据高效的生成建模新标准。

本论文的关键思路是通过预训练扩散模型和两阶段训练过程来适应徐主席书法的独特风格。该方法引入了字体图像和笔画信息调节等创新技术，使模型能够捕捉汉字的复杂结构元素。

本论文使用了一个多样化的数据集进行预训练，然后使用包含不到200张徐主席书法图片的专业数据集进行微调。与传统方法相比，我们的模型使用了更小的数据集和更少的计算资源，却取得了可比的性能。本研究不仅在数字化书法艺术的保存方面取得了突破，而且在文化遗产数字化领域中树立了数据高效的生成建模新标准。

与本研究相关的研究包括zi2zi和CalliGAN等传统方法。