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
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
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
基于计算设计方法的排版设计评估,通过启发式度量标准考察了可读性、美学价值和语义特征,实验采用受限演化方法生成排版海报,将评估度量作为约束条件,并结合情感识别自动识别文本语义,分析了方法和视觉特征的性能。
Feb, 2024
研究发现,人类与认知系统进行协作可以增强信息处理能力,但所提供的信息类型对认知精度、准确性和能力的影响不同。通过实验得出,提供概念信息是最有效的。
Feb, 2023
TypeDance 是一种 AI 辅助工具,它将设计理念与生成模型相结合,用于个性化的语义排版 logo 设计,支持从上传的图像范例中提取可组合的设计先验,并在各种结构粒度上支持类型 - 图像映射,实现灵活控制的多样美学设计。
Jan, 2024
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
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
本研究探讨在基于文本的交互媒体中,如何有效地并考虑到人类因素和用户感知。我们提出了一种基于精神分析的方法来评估用户文本的可靠性,并以检测假新闻为例。通过比较不同的方法,我们发现该精神分析方法在可靠性分析方面效果更好。
Sep, 2022
本文提出了一种字体自动完成网络(TCN),它使用样本字符完成所有字体字符,并通过合并重构和其他各种损失函数,克服了中文等形态变化较多的语言难以保持各个字符风格一致的困难,并且相对于先前的图像转换模型,使用更少的模型参数生成了同一字体的高质量字符图像。
Nov, 2018