文章目录
ABSTRACT
背景
创建一个完整的风格化字体库,帮助观众从文本中感知信息,通常需要多年的学习和熟练使用许多专业工具。因此,以基于深度学习的方式自动风格化字体生成是一项令人满意但具有挑战性的任务,近年来引起了许多关注。本文回顾了最先进的风格化字体生成方法,并提出了基于深度学习的风格化字形生成分类。尽管现有模型的显著性能,风格化的多语言字体生成,但将特定字体样式应用于多种语言的不同字符的任务从未被报告过。在需要与国际受众沟通的众多应用场景中,一种高效、经济的风格化多语言字体生成方法至关重要。
核心思想
我们提出了一种通过快速前馈网络多语言字体生成网络(MF-Net)生成少镜头多语言风格化字体的解决方案,该网络可以将以前看不见的字体样式从几个样本转换为以前看不到的语言中的字符。根据生成对抗网络(GAN)框架,MF-Net在生成器中采用两个独立的编码器来分离字体图像的内容和样式信息。我们在风格编码器中采用注意力模块来提取浅和深风格特征。此外,我们还设计了一种新颖的语言复杂性感知跳跃连接,以自适应调整要保留的结构信息。
tips
1、生成器包含两个独立的编码器和一个解码器,并采用两个鉴别器。
2、提出一个语言复杂性感知跳跃连接(language complexity-aware skip connection),以此根据参考图片的语言复杂度调整内容encoder不同层次的特征图模糊度,应该是调整连接给decoder的信息比例,以此