CF-Font：面向少样本字体生成的内容融合方法
计算机视觉与模式识别
2024-04-16 v3
摘要
内容与风格解耦是实现少样本字体生成的一种有效途径。它允许将源域中字体图像的风格迁移到由目标域中少量参考图像所定义的风格上。然而，使用代表性字体提取的内容特征可能并非最优。有鉴于此，我们提出一个内容融合模块（CFM），将内容特征投影到由基字体内容特征所定义的线性空间中，从而能够考虑不同字体引起的内容特征变化。我们的方法还允许通过一种轻量级的迭代风格向量精炼（ISR）策略来优化参考图像的风格表示向量。此外，我们将字符图像的一维投影视为概率分布，并利用两个分布之间的距离作为重建损失（即投影字符损失，PCL）。与 L2 或 L1 重建损失相比，分布距离更关注字符的全局形状。我们在一个包含 300 种字体、每种 6.5k 字符的数据集上评估了我们的方法。实验结果验证，我们的方法大幅优于现有的最先进少样本字体生成方法。源代码可在 https://github.com/wangchi95/CF-Font 获取。
引用
@article{arxiv.2303.14017,
title = {CF-Font: Content Fusion for Few-shot Font Generation},
author = {Chi Wang and Min Zhou and Tiezheng Ge and Yuning Jiang and Hujun Bao and Weiwei Xu},
journal= {arXiv preprint arXiv:2303.14017},
year = {2024}
}
备注
Accepted by CVPR 2023