统计学基础下的文本效果转移
我们引入一种新颖的形状自适应扩散模型,能够解释给定形状并在非规则画布内策划像素分布,用于生成多语言字体的文本效果;此外,我们还提出了一种训练免费的、形状自适应的效果转移方法,用于在生成的参考字母和其他字母之间传递纹理和字体效果信息。使用用户偏好研究验证了我们的 FontStudio 系统的有效性。
Jun, 2024
本文中,我们提出使用深度神经特征的强大表达能力来进行文本效果传输,为此,我们提出了一种全新的纹理效果传输 GAN(TET-GAN),该网络包括一个风格化子网络和一个去风格化子网络,以此来训练我们的网络以完成风格转移和风格去除等目标,从而使其能够学习解除和重新组合文本效果图像的内容和风格特征,我们提供了一个新的文本效果数据集,并展示了该方法在生成高质量的风格化文本方面的优越性。
Dec, 2018
我们提出了一种新颖的方法来将文本图像的内容与其外观的所有方面分离开来,然后将所得到的外观表示应用于新的内容,以将源样式一次性转移给新的内容。我们通过自监督学习的方式学习了这种分离过程。我们的方法可以处理整个字块,无需将文本从背景分割开,也不需要按字符处理或对字符串长度进行假设。我们在不同的文本领域展示了结果,这些结果以前需要使用专门的方法,例如场景文本、手写文本。
Jun, 2021
本文介绍了一种基于双向形状匹配框架的文本风格转移网络,该网络允许通过可调参数对字形的关键风格程度进行实时控制,这种方法能够持续表征样式图像的多尺度形状特征并将这些特征传递到目标文本中,有效地解决了文本风格转移中控制样式形变的问题,达到了比先前技术更好的效果。
May, 2019
表达性的文字动画,结合了语义意义传达和用户提示驱动的活力运动,通过使用向量图形表示和全流程基于优化的框架,实现了自动化的动态排版方案,包括形状保持技术和感知损失规范化,通过定量和定性评估证明了该方法在生成连贯的文字动画时的有效性。
Apr, 2024
该研究提出了一种排版文本生成系统,结合了扩散模型的控制方法和混合潜在扩散模型,实现了在排版设计上添加和修改文本,并指定字体风格、颜色和文本效果。通过合适的边缘条件,该系统能够生成指定字体的文本,同时应用提前设定的效果,如阴影和倒影,成功地将文本添加和修改在预设的背景上,保持整体的一致性。
Feb, 2024
本文介绍了一种基于内容感知布局生成网络的方法,将字形图像和对应文本作为输入,自动生成美观的排版布局。在设计中融合了语言学和视觉语义信息,同时训练和评估了文本 Logo3K 数据集,验证了其在合成视觉上令人愉悦的文本 Logo 方面的优越性。
Apr, 2022
本文考虑对给定的图形文档进行生成多样的排版风格的排版生成任务,并将其形式化为针对多个文本元素的细粒度特征生成,建立自回归模型以生成与输入设计背景相匹配的多样排版风格。此外,我们提出了一种简单而有效的采样方法,以尊重排版的一致性和差异性原则,使生成样本在文本元素之间共享一致的排版风格。我们的实证研究表明,我们的模型成功生成多样的排版设计,同时保持了一致的排版结构。
Sep, 2023
本文提出了一种针对高度风格化文字的部分观测并推广未观测字形的挑战,即通过以通道为内容、以网络层为风格的端到端堆叠有条件 GAN 模型生成一组遵循一致风格的多内容图像。该网络可以捕获真实世界中的高度风格化字体,并通过少量的已观察字形实现有效的推广。
Dec, 2017
使用粗略匹配的文本作为引导,本研究介绍了一种新颖的基于文本的风格生成方法,通过两阶段的生成对抗网络生成与细化图像风格,并通过实验证实了该方法的有效性和实际应用价值。
Sep, 2023