Apr, 2024

高效可扩展的中文字形矢量生成通过组件合成

PDF
TL;DR通过组件组合，提出了一种高效且可扩展的中文向量字体生成方法。该方法通过学习组件的仿射变换并应用于贝塞尔曲线，能够生成大规模复杂的中文字符，在字体生成和零样式字体扩展方面显著优于现有的方法。
chinese vector font generationcomponent compositionspatial transformer networksaffine transformationvector font generation
发现论文，激发创造
  • 通过基于组件的鉴别器更好地监督单次字体生成

    提出了一种基于 Component-Aware Module（CAM）和 CG-GAN 的字体生成新算法，指导相对简单的生成器实现更有效的监督，实现了分解内容和样式并在组件级别进行监督，成功应用于手写字生成和场景文本图像编辑并超越同类方法。

    Apr, 2022

  • 弱监督定位表示的少样本字体生成

    本文提出了一种新的字体生成方法，该方法通过学习局部风格表达，即以组件为基础的字体风格表达，而不是普适的字体风格表达。该方法在仅有 8 个参考字符的情况下，生成效果优于其他现有方法。同时，该方法未利用强的局部学习监管。

    Dec, 2021

  • 局部风格表示和分解的小样本字体生成

    本论文提出了一种新的字体生成方法，通过学习本地化风格，即组件式风格表示，而不是通用风格来合成复杂的文本细节，从而产生出了非常好的结果。

    Sep, 2020

  • DeepVecFont-v2: 利用 Transformer 对字体进行高质量的向量合成

    本文提出了一种基于 Transformers 的增强型 DeepVecFont 方法，通过使用放松表示方法以处理长序列数据，并使用采样辅助点对生成的 Bézier 曲线或线条进行精确定位，最终通过一种基于上下文的自我完善模块解决 DeepVecFont 所存在的问题，提高了英文和中文复杂结构和各种风格的矢量字体综合表现。

    Mar, 2023

  • 协作笔画精化的手写中文字体生成

    提出了一种使用基于卷积神经网络的模型生成中文手写字体的方法，该方法结合了协作训练策略、在线缩放增强以及自适应预变形技术，仅需要 750 个有配对的训练样本，无需预训练网络、额外的数据集资源或标签，并且在手写字体合成方面表现显著优于现有的方法。

    Apr, 2019

  • 中文排版转换

    提出了一种新的基于深度学习的中文字体转换网络，该网络结构由两个子网络组成：一个全卷积网络转换指定的字体样式以保留结构信息，一个对抗网络生成更逼真的笔画细节，并克服了先前一些复杂的中文部件分割模型的问题，该模型将每个汉字视为一个不可分割的图像，采用端到端训练的方式，无需预处理或后处理。实验证明该模型可以在印刷体和手写体样式上从任何源字体合成逼真的目标字体。

    Jul, 2017

  • 基于自编码器引导的 GAN 技术实现中国书法合成

    本文提出了一种基于深度神经网络的模型，将标准字体图像直接生成书法风格的图像，并构建了包含各种书法风格的大规模基准数据集。实验结果表明，该方法的效果优于其它基线方法。

    Jun, 2017

  • 基于相似性引导的全局样式转移与局部样式量化的少样本字体生成

    自动少样式字体生成方法通过聚合以字符相似度为导向的全局特征和样式化的组件级表示来生成新字体，并采用交互式注意力的样式迁移模块来捕捉局部样式，实现对全局字形特征的控制。

    Sep, 2023

  • 双重记忆的少样本组合字体生成

    本文提出了一种名为 “DM-Font” 的字体生成框架，以利用构成式脚本的组合特性来生成高质量字体库，并结合记忆组件和全局上下文意识，从而使我们能够用少量样本生成高质量样本。 在韩文手写字体和泰文打印字体的实验中，我们观察到我们的方法在样式化方面比现有技术有显著的优势。

    May, 2020

  • VQ-Font：结构感知增强和量化的小样本字体生成

    提出了一种基于 VQGAN 的框架（即 VQ-Font），通过令牌先验细化和结构感知增强来提高字形保真度，并利用汉字的内在设计重新校准基于参考的细粒度风格，从而增强生成字体的保真度和符合结构的风格匹配。实验证明，VQ-Font 在生成具有挑战性风格的字体方面，在数量和质量上均优于竞争方法。

    Aug, 2023