SDT

收录理由

手写生成是个相当细分的领域，通用文本或图像模型通常不会专门处理，因此像SDT这样干净利落的研究实现，在相关工具列表中很有存在价值。它对应CVPR 2023那篇论文，核心思路是把书写者的整体笔迹风格与单个字符的形态变化分开建模，既能生成在线笔顺序列，也能输出离线渲染的整页文字，并且能贴合源风格。仓库里备好了预训练权重、训练与评估脚本，以及中、日、英三种语言的数据集，还附带教程，方便你按自己选定的风格合成文本。后来项目又加入了Content Score和Style Score两个评估指标，比单纯看视觉效果更进一层。无论你是想对比不同风格解耦方法的研究者，还是正在做个性化手写原型的人，都能在这里找到一个可用的基线，而且MIT许可让后续复用省去不少麻烦。