Neural Style Transfer For Chinese Fonts（中文字体的神经风格转移）

项目：GitHub - kaonashi-tyc/Rewrite：中文字符的神经风格传输

Rewrite 是一个基于深度学习的中文字体神经风格迁移项目，核心目标是降低中文字体设计的高成本问题（GBK 字符集需设计 2.6 万 + 字符），让计算机基于设计师完成的部分字符，自动学习并生成剩余字符的风格化样式。

中文字体设计需覆盖海量字符（如 GBK 标准超 26000 个），耗时数年；而汉字由偏旁部首构成，相同部首在不同字中样式趋同。因此项目将字体设计转化为风格迁移问题：以标准字体（如宋体 SIMSUN）为源，设计师完成的少量目标风格字符为样本，训练神经网络学习 “标准字体→目标风格字体” 的转换规则，进而生成剩余字符的样式。

网络架构：最终采用轻量化、自上而下的 CNN（卷积神经网络）结构（弃用残差、反卷积、全连接层），核心设计细节：

每一层卷积后接批量归一化 + ReLU 激活，全程零填

损失函数采用像素级 MAE（平均绝对误差）+ 总变分损失（保证图像平滑），MAE 相比 MSE 能生成更清晰的字符，避免模糊；

卷积核采用 “大尺寸 + 分层不同尺寸” 设计，适配汉字复杂结构；

加入 Dropout 保证收敛，避免输出全白 / 全黑等无效结果；

利用 “高分辨率源图逼近低分辨率目标” 的特性，保留更多字符细节。

可配置参数：卷积层数（2-4 层，>4 无明显收益）、总变分损失权重、Leaky ReLU 的 alpha 斜率等。（注意是n的取值）