终于，我小学时期的梦想得以实现！
只需拍摄自己的笔迹，AI便能准确地为我抄写英语作业，且风格完全一致：
甚至帮别人抄作业也毫无问题&hellIP;&hellIP;
这实在是远超那些只能进行简单手写仿造、而价格动辄上千的作业工具。
咳咳，重点来了：
尽管功能强大，但这可不是为了让你们抄英语作业的。（作业还是要认真完成！）
这是FACEbook AI最新推出的文字风格刷（TextstyleBRUSh），只需提供一张笔迹照片，便能完美复刻出一整套文本字迹。
不仅能够移花接木，将酱油瓶变成茶壶：
还可以轻松将蔬果店里的所有印刷字转换为手写体：
现在看来，连照片中的文字也不再一定是原本的样子了。
比格式刷更强大：文本也能更换
在实际应用中，TextstyleBRUSh就像一个格式刷，想改哪里就改哪里。
它真正的强项在于模拟手写字体。
只需输入一段文本，附上你的笔迹，1个单词即可，它便能生成手写版本。
这样的效果，肉眼几乎无法分辨真伪！
在将菜市场价签的印刷体替换成手写体时，它还能识别并自动跳过非印刷体的样本，进行转换合成。
两个手写标签则未被更改
在模拟特定字体格式时，TextstyleBRUSh的表现也相当出色。
能够应对海报、垃圾桶、路牌、饮料瓶以及店面装饰等多种文字风格：
除了直观的效果，开发者对合成图像的数据分析也颇为深入。
TextstyleBRUSh生成的图片在合成误差（MSE）上显著降低，峰值信噪比（PSNR）和结构相似性（SSIM）也有明显提升。
在文字识别准确性方面，TextstyleBRUSh在三组数据集中的表现都非常优秀：
准确率超过95%。
运用GAN技术，真假文字难以辨认
根据FACEbook的介绍，文字风格刷TextstyleBRUSh是基于自监督方法训练的模型，能够对相同文本内容进行风格转换，类似于格式刷的功能。
当然，它不仅限于WoRd的格式刷，甚至能够直接替换照片中的文字，这也意味着模型需要掌握文字识别和图像分割的技巧。
即便是在逆光场景下也不在话下
为同时实现图像分割和文字风格转换，TextstyleBRUSh模型基于styleGAN2进行了设计，后者能够生成极为逼真的图像。
然而，styleGAN2存在两个问题：
其一，生成图像的方式是随机的，无法控制输出图像的特征，而TextstyleBRUSh需要生成特定文本的图像。其二，styleGAN2的整体风格不受控制，但TextstyleBRUSh中的风格涉及大量信息组合，包括颜色、尺度和风格转换特征，甚至是具有个人特色的笔迹细节差异。
为了解决模型随机生成图像的问题，TextstyleBRUSh首先通过将文本信息和风格作为两个附加条件来控制模型输出。
接着，为了更精细地控制文本的风格特征，模型提取神经网络层中的各种风格信息，并将其注入文本生成器，以便从颜色、整体风格和细节等多个维度控制文字的风格。
此外，由于不同图片的分辨率各异，生成器还需生成与替换区域分辨率相似的文字。
因此，该模型加入了可以控制高低分辨率的结构，使得生成的文字图像能够匹配输入图像的分辨率。
这样一来，替换前后的字体清晰度差异问题也得以解决：
但与照片不同，文字的风格更为自由，因此有时画风的真实感难以定义。
为此，在训练过程中，FACEbook引入了一种创新的自监督训练方法，结合风格分类、文本识别（OCR）和GAN三种模型，以保留输入的风格和文字内容，并决定需要替换的部分。
例如，在文本识别上，TextstyleBRUSh在生成文本图像后，模型会使用一个预训练的文本识别结构来判断图像的文字内容，并对此进行评分。
事实证明，这样训练出来的模型确实非常实用。
合成人脸的技术已经被广泛应用，而合成笔迹则是首次尝试。
而且效果相当不错！
因此，TextstyleBRUSh发布后，引发了众多关注。
不少网友开始畅想它的潜在用途：
欢迎进入花式签名的世界！
LeCun也对此进行了转发。
然而，能看却不能用的感觉实在令人沮丧，一些网友就开始询问：
TextstyleBRUSh会向公众开放使用吗？
这自然引发了一个颇具争议的话题：
合成后的笔迹足够以假乱真，如若被滥用或恶意使用将如何处理？
假设任何人的笔迹都能轻易合成，那么在许多需要签字的场合又该如何应对呢？
比如，有网友表示，要是连医生的草书处方都能被模拟&hellIP;&hellIP;
除了安全和隐私问题的担忧，这对字体设计师也并非好消息。
毕竟，各类字体都拥有版权，如果可以轻松模拟，那么盗版现象将会泛滥，甚至连原作者都难以辨别真伪。
有网友指出：这离真假难辨的反乌托邦世界又近了一步&hellIP;&hellIP;
对此，FACEbook的CTO作出了回应：
由于可能会被用于伪造笔迹，我们只会发布论文和数据集，源代码不会开源。
分享研究和数据集，更多是为了预防文本版的DeepFakes。
你怎么看呢？
TextstyleBRUSh数据集：
https://Github.coM/fACEbookReSeaRch/IMGUR5K-HandwRITINg-Dataset
论文地址：
https://scontent-fMl2-1.xx.fbCDN.net/v/t39.8562-6/10000000_944085403038430_3779849959048683283_n.pdf
