芸術科学会論文誌 投稿用カバーシート ■ 論文種類 ・原著論文 フルペーパー ■ 論文分野 1) 芸術系分野 ■ カテゴリ a-6) 画像処理技術 　b-1) ヒューマンインタフェース 　c-2) インタラクティブアートコンテンツ 　c-4) メディアアートコンテンツ ■ 該当特集（以下のうちから一つ選択） ・一般論文（特集名「NICOGRAPH2021」条件付採録の再提出） ■ 論文題名(和文、英文) Caps：深層学習を用いた書道作品における書体変換 ―篆書の文字認識と行書の作品生成― Caps: Script Conversion in Calligraphic Works Using Deep Learning ―Recognition of seal script characters and generation of running script works― ■ 著者名(和文、英文) 二ノ宮 梢平（非会員） 藤代 一成（正会員） Shohei Ninomiya Issei Fujishiro ■ 著者所属(和文、英文) 慶應義塾大学 大学院理工学研究科 慶應義塾大学 理工学部 Graduate School of Science and Technology, Keio University Faculty of Science and Technology, Keio University ■ 著者e-mail shohei.ninomiya@fj.ics.keio.ac.jp fuji@fj.ics.keio.ac.jp ■ 連絡担当者の氏名、住所、所属、電話、Fax、e-mail 氏名：二ノ宮 梢平 住所：〒335-0015 埼玉県戸田市川岸2-2-1ビィオルド戸田公園216 所属：慶應義塾大学大学院理工学研究科 電話：090-3045-2038 e-mail1：shohei.ninomiya2038@keio.jp e-mail2：shohei.ninomiya@fj.ics.keio.ac.jp ■ 論文概要 書道は日本の伝統的な文化である一方で，書道展は経験者の間で完結している．その要因の一つとして，鑑賞が書道の習熟度合いに大きく依存していることが挙げられる．そこで，本研究では書道初心者を対象にした鑑賞支援として，篆書の文字を認識し，行書の書体へと変換するシステムCaps（Calligraphy appreciation system）を開発してきた．篆書の文字認識には，畳込みニューラルネットワークを用いた手法を導入した．漢字が偏旁冠脚といったパーツから構成されるという特徴を利用して，書道作品に用いられる難読文字の認識を実現する．これにより，少ないデータ数と少ないクラス分類で，より性能の高い文字認識が可能になる．一方，行書体への変換には，敵対的生成ネットワークを用いた手法を導入した．文字骨格に対する筆跡の付与を学習したモデルを用いて，任意の漢字による書道作品画像を生成する．ここで，筆画情報と筆順情報をもった骨格画像を用いることで，効果的な筆跡の学習を実現した．評価実験を通じて，上記の二種類の手法を実装した Caps により，書道作品に用いられる漢字の特定から書道作品画像の生成まで，直観的な操作に基づく鑑賞体験が可能になることを確認した． Although calligraphy is a traditional Japanese culture, calligraphy exhibitions are being nearly monopolized by experienced calligraphers. It is primarily because appreciation depends largely on the level of calligraphic skills. In order to support the calligraphy beginners, we have developed in this study, a system called Caps（Calligraphy appreciation system） that provides seal script character recognition and conversion to running script. For recognizing seal script characters, a convolutional neural network-based method was introduced. Respecting the feature that kanji is composed of parts such as the radicals, unreadable characters used in calligraphic works can be recognized. This results in higher performance character recognition with small numbers of data and classifications. For converting to running script, a generative adversarial network-based method was introduced. A calligraphic work with arbitrary characters can be generated by a trained model that assigns calligraphic styles to the character skeleton. A skeleton image with stroke order and attribute information was used to achieve effective learning of calligraphic styles. It was empirically proven that Caps, which incorporates these two methods, enabled an intuitive appreciation experience ranging from recognizing the characters used in calligraphic works to generating calligraphic work in a different style. ■ キーワード 文字認識，画像生成，深層学習，書道作品． Character recognition, image generation, deep learning, calligraphic works.