Jun, 2023

分析现实图像中字体样式的使用和情境因素

PDF
TL;DR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。
发现论文，激发创造
  • 让我来选择：从语境到字体选择

    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

  • 字体中风格和结构的深度分解

    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

  • 学习排版风格

    本文介绍了通过分析四个字母的子集，学习一种字体风格的方法，并使用深度神经网络来进行磨练和生成其他字母，并详细探讨该方法的优点和缺点。

    Mar, 2016

  • 野外字体印象评估

    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

  • 探索场景文本识别的与字体无关的特征

    本文介绍了一种基于注意力生成字形和可训练字体嵌入的方法，用于解决字体风格差异和排版不规则性在场景文本识别中带来的挑战，并通过实验证明了该方法的优越性。

    Sep, 2020

  • 基于标签的大规模字体检索与生成特征学习

    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

  • 图像风格识别

    本研究探讨了计算机视觉中图像风格对于图像感知的影响，通过使用多层网络训练得出最佳效果的图像特征进行分类，并成功将这些分类器扩展到 tag-based image search 中，以提高搜索的效果。

    Nov, 2013

  • 统计学基础下的文本效果转移

    本文研究探讨了在字体设计中生成出色特效的问题，并提出了一种基于空间分布统计分析的自适应多尺度纹理合成算法，通过软约束实现对样例全局空间分布和局部纹理图案的逐层合成，使样例的艺术字体与本地纹理和全局形态之间的匹配更加自然，相较于传统样式转移方法，本方法在各种文本效果上表现出更高的优越性。

    Nov, 2016

  • 字体图像的本地样式意识

    该论文提出了一种基于注意机制的方法来找出重要的局部部分，然后利用所得到的注意力来生成具有更准确风格实现的字符图像。通过实验证明，所提出的重构损失函数可以通过几个少样本字体生成模型提高生成字符图像的质量。

    Oct, 2023

  • DeepFont：从图像中识别出字体

    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