mx-font

最新推荐文章于 2024-10-04 22:36:54 发布

啊菜来了

最新推荐文章于 2024-10-04 22:36:54 发布

阅读量708

点赞数 1

分类专栏：汉字风格文章标签：人工智能神经网络计算机视觉

本文链接：https://blog.csdn.net/m0_61985580/article/details/129351223

版权

汉字风格专栏收录该内容

32 篇文章 88 订阅 ¥29.90 ¥99.00

订阅专栏

本文提出了一种新的字体生成方法MX-Font，它解决了现有方法在捕获不同本地风格和处理不可见语言系统时的局限性。MX-Font采用多头编码器（多个本地化专家），每个专家专注于复杂字形的不同局部概念，无需显式组件标签。通过弱局部组件监督，每个专家自动表示不同的局部概念，从而实现内容和风格的解缠。在跨语言少镜头字体生成任务中，MX-Font表现优越，能生成高质量字体库。

摘要由CSDN通过智能技术生成

Abstract

短镜头字体生成(FFG)方法必须满足两个目标:生成的图像既要保留目标字符的底层全局结构，又要呈现多样化的局部参考风格。现有的FFG方法旨在通过提取通用表示样式或提取多个组件样式表示来分离内容和样式。然而，以往的方法要么无法捕捉不同的本地风格，要么无法推广到具有看不见的组件的字符，例如看不见的语言系统。为了缓解这些问题，我们提出了一种新的FFG方法，称为多本地化专家少镜头F - ont生成网络(MXF - ont)。MX-F ont提取多种风格特征，而不是明确地以组件标签为条件，而是由多个专家自动表示不同的局部概念，如左侧子字形。由于专家多，MX-F ont可以捕捉到不同的本地概念，并显示出对未知语言的普遍性。在培训过程中，我们利用组件标签作为弱监督，引导每个专家针对不同的局部概念进行专门化。我们将每个专家的分量分配问题表述为图匹配问题，并采用匈牙利算法进行求解。我们还采用了独立性损失和内容风格对抗性损失来实现内容风格的解缠。在我们的实验中，MX-F ont在中文代和跨语言(如中文到韩语)代中优于之前最先进的FFG方法。源代码可在https://github.com/clovaai/mxfont

了解本专栏