本文旨在学习字体的视觉属性和它们所应用的文本的语境之间的关联，并引入一个包含社交媒体帖子和广告中不同主题示例的新数据集，通过众包标注，通过研究不同的端到端模型来学习众包数据上的标签分布并捕捉所有注释之间的主观性。

May, 2020

本研究提出了一个用于图像中字体识别、字体推荐、字体相似度等任务的深度学习模型 DeepFont，并使用卷积神经网络、模型压缩等技术对该模型进行优化。实验证明，该模型在我们的数据集中平均精度高于 80%，同时模型大小得到约 6 倍的压缩，而且在字体选择和建议中可产生较好的字体相似度度量。

Jul, 2015

研究探讨了世界上不同的字体风格和它们对阅读体验和印象的影响，同时借助大规模数据集，分析字体风格的选择与上下文因素，如周围对象和单词意义的关系，从而发现了特定字体风格在特定上下文因素下的使用实例。

Jun, 2023

本文提出了一种基于标签的大规模字体检索方法，通过构建包含近 20,000 字体、2,000 标签和数十万个字体 - 标签关系的数据集，设计了一种新型的生成特征学习算法，结合注意机制和识别 - 检索模型，有效提升了字体检索的性能。

Sep, 2019

本文使用卷积神经网络 (CNN) 框架和示例为基础的印象估计方法，解决了从实际字体图像中估计字体印象的挑战性任务，并对真实书籍封面图像中的书籍流派和字体印象之间的相关性进行了量化和定性分析。

Feb, 2024

提出 Attribute2Font 模型，通过合成视觉上令人愉悦的字形图像，自动创建用户指定属性的字体，并使用属性关注模块来突出突出显著的字体属性，同时进行半监督学习以利用大量未标记的字体。

May, 2020

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

本文提出了一种深度分解模型，用于字体分析，能够将内容与样式区分开来，并成功实现了从未见过的字体的笔画重构。

Oct, 2019

该研究介绍了 WordArt Designer API，这是一种利用 ModelScope 上的大语言模型（LLMs）进行用户驱动的艺术字体合成的新型框架。我们通过提供一种动态、自适应且计算高效的替代方案，解决了艺术字体对非专业人士的简化挑战。我们的方法利用 LLMs 的能力来理解和解释用户输入，从而实现更直观的设计过程。通过各种案例研究，我们展示了用户如何表达他们的审美偏好和功能要求，系统则将其转化为独特且创意的字体设计。我们的评估结果表明，与现有系统相比，用户满意度、设计灵活性和创造性表达都有显着改进。WordArt Designer API 不仅民主化了字体艺术，还为个性化的数字传播和设计开辟了新的可能性。

Jan, 2024

认知类型项目致力于开发计算工具，以使得设计字体具有不同的认知特性，以提高在线广告的点击率，改善儿童书籍的阅读水平，允许识字困难者创建个性化字体，并提供关于人们对文本内容反应的见解。

Mar, 2024