Driftstörningar
Det förekommer återkommande driftstörningar på några av sök-portalerna på grund av hög belastning. Vi arbetar på att lösa problemet, ni kan tillfälligt mötas av ett felmeddelande.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
DiffusionPen: Towards Controlling the Style of Handwritten Text Generation
Luleå tekniska universitet, Institutionen för system- och rymdteknik, EISLAB.ORCID-id: 0000-0002-9332-3188
National Technical University of Athens, Athens, Greece.ORCID-id: 0000-0001-6734-3575
University of West Attica, Athens, Greece.ORCID-id: 0000-0002-7305-2886
Luleå tekniska universitet, Institutionen för system- och rymdteknik, EISLAB.ORCID-id: 0000-0003-4029-6574
2025 (Engelska)Ingår i: Computer Vision – ECCV 2024: 18th European Conference, Milan, Italy, September 29–October 4, 2024, Proceedings, Part LXXXV / [ed] Aleš Leonardis; Elisa Ricci; Stefan Roth; Olga Russakovsky; Torsten Sattler; Gül Varol, Springer Science and Business Media Deutschland GmbH , 2025, Vol. LXXXV, s. 417-434Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Handwritten Text Generation (HTG) conditioned on text and style is a challenging task due to the variability of inter-user characteristics and the unlimited combinations of characters that form new words unseen during training. Diffusion Models have recently shown promising results in HTG but still remain under-explored. We present DiffusionPen (DiffPen), a 5-shot style handwritten text generation approach based on Latent Diffusion Models. By utilizing a hybrid style extractor that combines metric learning and classification, our approach manages to capture both textual and stylistic characteristics of seen and unseen words and styles, generating realistic handwritten samples. Moreover, we explore several variation strategies of the data with multi-style mixtures and noisy embeddings, enhancing the robustness and diversity of the generated data. Extensive experiments using IAM offline handwriting database show that our method outperforms existing methods qualitatively and quantitatively, and its additional generated data can improve the performance of Handwriting Text Recognition (HTR) systems.

Ort, förlag, år, upplaga, sidor
Springer Science and Business Media Deutschland GmbH , 2025. Vol. LXXXV, s. 417-434
Serie
Lecture Notes in Computer Science (LNCS), ISSN 0302-9743, E-ISSN 1611-3349 ; 15143
Nyckelord [en]
Handwriting Generation, Latent Diffusion Models, Few-shot Style Representation
Nationell ämneskategori
Datavetenskap (datalogi) Datorgrafik och datorseende
Forskningsämne
Maskininlärning
Identifikatorer
URN: urn:nbn:se:ltu:diva-111074DOI: 10.1007/978-3-031-73013-9_24ISI: 001416939500024Scopus ID: 2-s2.0-85211230972OAI: oai:DiVA.org:ltu-111074DiVA, id: diva2:1921818
Konferens
18th European Conference on Computer Vision (ECCV 2024), Milano, Italy, September 29 - October 4, 2024
Anmärkning

ISBN for host publication: 978-3-031-73012-2, 978-3-031-73013-9

Tillgänglig från: 2024-12-17 Skapad: 2024-12-17 Senast uppdaterad: 2025-10-21Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Nikolaidou, KonstantinaLiwicki, Marcus

Sök vidare i DiVA

Av författaren/redaktören
Nikolaidou, KonstantinaRetsinas, GeorgeSfikas, GiorgosLiwicki, Marcus
Av organisationen
EISLAB
Datavetenskap (datalogi)Datorgrafik och datorseende

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 298 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf