文章目录
Abstract
由于具有复杂结构的大量字符,自动字体生成仍然是一个具有挑战性的研究问题。通常,只有少数样本可用作样式/内容参考(称为少数镜头学习),这进一步增加了保存局部样式模式或详细字形结构的难度。我们调查了先前研究的缺陷,发现粗粒度鉴别器不足以监督字体生成器。为此,我们提出了一种新的组件感知模块(CAM),它监督生成器在更细粒度的级别(即组件级别)上解耦内容和样式。不同于以往努力增加生成器复杂性的研究,我们旨在对相对简单的生成器执行更有效的监督,以实现其全部潜力,这是字体生成的全新视角。整个框架通过将组件级监督与对抗式学习相结合,取得了显著的效果,因此我们称之为组件引导的GAN,简称CG-GAN。大量实验表明,我们的方法优于现有的一次性字体生成方法。此外,它可以应用于手写词合成和场景文本图像编辑,这表明了我们的方法的推广。
图1.以三种不同字体显示的相同文本字符串。
1. Introduction
为了更好地解决少镜头字体生成问题,