基于情感的书法作品风格化创作学习
Learning to Compose Stylistic Calligraphy Artwork with Emotions
Shaozu Yuan, Ruixue Liu, Meng Chen, Baoyang Chen, Zhijie Qiu, Xiaodong He
2021-10-17
订阅获取艺术理论被引 18
摘要
情感在书法创作中发挥着关键作用，它能赋予书法作品以感染力与灵魂。然而，以往关于书法生成的研究均忽视了情感这一影响书法艺术性的重要因素，因此只能生成静态的手写字体库，而无法产出兼具美感、风格多样性特征的书法作品。为解决这一问题，我们提出了一种新颖的跨模态方法，能够自动生成受不同情感驱动且具有风格多样性的中国书法作品。具体而言，我们首先利用分类器识别文本中的情感，随后通过改良的生成对抗网络结构生成富有情感色彩的汉字图像，最后借助递归神经网络预测所有字符图像的布局。我们还收集了一个包含丰富情感特征的大规模中国书法图像数据集。实验结果表明，在内容准确性与风格契合度方面，我们的模型针对不同情感风格的表现均显著优于各类基线图像转换模型。此外，所设计的布局算法还能习得书法家的创作规律与习惯，使生成的书法作品更具艺术性。据我们所知，本研究是首个开展情感驱动下的篇章级中国书法作品创作探索的成果。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 情感是赋予书法作品灵魂与感染力的核心要素，而以往研究因忽视情感仅能生成静态的手写字体库。该文主张将情感作为书法生成的主要驱动力，以突破现有研究在审美性、风格化和多样性上的局限，实现语篇级别的情感驱动书法艺术创作。
- 研究方法
- 提出一种跨模态自动生成方法，首先利用分类器检测文本情感，其次通过改进的生成对抗网络（GAN）生成情感化汉字图像，最后采用循环神经网络（RNN）预测篇章布局。此外，研究还构建了一个包含丰富情感的大规模风格化中文书法图像数据集以支撑模型训练与实验。
- 学术贡献
- 该研究是首个在语篇级别进行情感驱动中文书法艺术创作的工作，填补了该领域的空白。其提出的模型在内容准确率和风格差异上显著优于现有基线模型，且布局算法能够学习书法家的书写习惯与模式，有效提升了生成作品的艺术性。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Generative Adversarial Networks and Image Synthesis