书法艺术是我国传统文化中的十大国粹之一,拥有极高的美学价值和文化意义。受书法作品保存条件限制和对书法学习的需求,将传统书法作品利用现代化技术进行数字化生成具有重要研究价值和研究意义。传统的字体生成方法大多基于人力进行手工绘制,过程复杂且受人为因素影响。随着深度学习的迅速发展和图像生成技术的不断改进,基于深度学习的字体生成方法受到广泛关注,并取得了一定的成果。但是现有方法多基于硬笔手写字体的生成,存在网络结构复杂,生成速度慢的问题,同时,由于书法字体笔画细节更多更复杂,字体生成难度更高。此外,现有的字体生成相关方法大多没有考虑书法的书写笔迹对字体生成的影响和书法的交互体验。因此,本论文针对上述问题,在大量分析国内外相关文献的基础上,对基于深度学习的字体生成方法进行深入研究,围绕印刷字体到书法字体以及任意字体到书法字体的自动生成展开研究,旨在提高字体生成的效果和降低字体生成的难度,使其满足书法字体自动生成实际应用的需求,具体开展的研究工作主要有:1.为了提高书法字体自动生成效果并解决生成速度慢的问题,提出了一种基于残差生成对抗网络的汉字书法字体生成方法。该方法首先在编码器阶段将卷积网络与残差网络相结合,使用跳跃连接构建基于残差网络的生成对抗模型,提高对字体细节的特征提取,在此,针对传统方法训练速度慢的问题,通过提出的残差网络结构对编码器的低分辨特征进行残差编码,并将其与生成器进行连接,实现字体细节特征的精确描述;其次,提出三要素损失函数进行网络训练,约束字体的生成效果,减少字体细节模糊等问题;最后,建立四种书法字体数据集,通过在自建数据集上与三种经典生成算法进行对比实验,实验结果证明本文所提方法的有效性。此外,本文进行相应的消融实验验证模型中的跳跃连接和残差模块以及三要素损失函数对字体生成效果的影响。2.为了降低训练数据采集的难度和工作量,提出了一种实时端到端的将任意字体转换为书法家字体的汉字字体自动生成方法:骨架引导转移网络的汉字字体生成模型（Skeleton-guided Transfer Network,STN）,该模型训练只需使用少量的字体样本。首先,为了生成既有良好笔划细节结构信息又能合成更真实感的风格目标字体,本文将字体生成分解为字体骨架合成网络（Skeleton Synthesis Network,SSN）和字体风格修正网络（Style Rendering Network,SRN）;然后,在SSN模块的编码过程中引入了膨胀卷积,在解码过程中引入了通道注意力机制,以更好地保留笔划空间结构信息,获得逼真的合成字体;此外,本文设计了基于注意机制多尺度特征融合模块的风格修正网络（SRN）,可以有效地从不同分辨率中选择重要特征,优化字形效果。最后,在自建数据集上与四种经典字体生成算法进行对比实验,实验结果证明本文算法生成的字体效果优于其他方法,同时,本文通过设计模型消融实验对所提出算法的各个模块进行分析,并进行拓展实验证明本文方法在印刷字体和用户手写字体上也具有良好的书法字体生成效果,进一步验证所提出算法的有效性。3.本文从书法创作学习的角度出发,以所提出的骨架引导转移网络算法为核心,设计了一种基于人工智能的数字书法创作交互平台,平台分为书法字体选择功能和书法字体书写功能,用户通过选择书法字体之后利用外接设备,如鼠标、手写板书等书写汉字即可生成相应书法家字体。此外,本交互平台通过所提出的骨架引导转移网络算法构建四种书法字体库和相应字体模型供用户选择,实现实时的书法韵味字体风格生成,具有良好的交互效果。