Generating-Devanagari-Using-DRAW

用DRAW模型生成天城文手写字符，体验循环注意力生成。

这是一个基于PyTorch实现的DRAW（深度循环注意力写手）模型，专门用于生成天城文（Devanagari）手写字符。DRAW是一种循环神经网络生成模型，通过迭代式地绘制图像来生成逼真的图像。该项目解决了从零开始生成复杂手写文字的问题，核心能力包括：使用DRAW架构对天城文字符进行建模，支持训练和生成，并提供了可视化生成过程的工具。它适合研究生成模型在低资源文字上的应用，也是理解DRAW原理的参考实现。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 87
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队Natsu6767
所属国家
官网地址
GitHubhttps://github.com/Natsu6767/Generating-Devanagari-Using-DRAW
定价模式free
价格说明开源项目，免费使用，需自行部署。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型deep-learning,devanagari,draw,generative-model,image-generation,pytorch
GitHub 星标★ 87
30天Star增速
HF 下载量
上线时间2019-01-03 00:00:00
最近更新2026-09-08 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 完整实现DRAW论文核心架构，适合学习生成模型
  • 专注天城文数据集，填补非拉丁文字生成研究空白
  • 提供生成过程可视化，直观展示迭代绘制效果

不足之处

  • 项目较早期，文档和社区支持有限
  • 依赖特定数据集，泛化到其他文字需自行适配

适用场景

  • 研究循环注意力生成模型原理
  • 生成天城文字符用于数据增强或字体设计
  • 教学演示DRAW模型的迭代生成过程

替代项目

DRAW (original TensorFlow implementation)、PixelCNN、VAE

项目介绍

Generating-Devanagari-Using-DRAW 是图像领域的开源项目，由 Natsu6767 开发，2019 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 87。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-08。免费使用，需自行部署。

它主要面向的使用场景是：研究循环注意力生成模型原理。同类可对比的替代方案包括 DRAW (original TensorFlow implementation)、PixelCNN、VAE。

上一篇：stylegan2-encoder-pytorch

下一篇：FQ-GAN

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点，生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 134493 2026-08-09