基于单阶段少样本学习的艺术字形图像合成
计算机视觉与模式识别
2020-05-20 v2 图形学
摘要
艺术字形图像的自动生成是一项引人众多研究兴趣的挑战性任务。以往方法要么专门设计用于形状合成，要么聚焦于纹理迁移。本文中，我们提出一种新颖模型 AGIS-Net，以单阶段且仅用少量风格化样本同时迁移形状与纹理风格。为实现此目标，我们首先使用两个编码器解耦内容与风格表示，确保多内容与多风格生成。随后我们利用两个协同工作的解码器同时生成字形形状图像及其纹理图像。此外，我们引入局部纹理细化损失以进一步提升合成纹理的质量。以此方式，我们的单阶段模型比其它多阶段堆叠方法更高效且有效。我们还提出一个大规模数据集，包含多种形状与纹理风格的中文字形图像，由 35 种专业设计的艺术字体（7,326 字符）与 2,460 种合成艺术字体（639 字符）渲染而成，以验证方法的有效性与可扩展性。在英文与中文字形图像数据集上的大量实验证明了我们的模型在生成高质量风格化字形图像方面优于其它最先进方法。
引用
@article{arxiv.1910.04987,
title = {Artistic Glyph Image Synthesis via One-Stage Few-Shot Learning},
author = {Yue Gao and Yuan Guo and Zhouhui Lian and Yingmin Tang and Jianguo Xiao},
journal= {arXiv preprint arXiv:1910.04987},
year = {2020}
}
备注
Accepted by SIGGRAPH Asia 2019, code and datasets: https://hologerry.github.io/AGIS-Net/