通过细粒度局部风格学习的小样本字体生成
计算机视觉与模式识别
2022-09-02 v3 图形学
摘要
小样本字体生成（FFG）旨在以少量样本生成新字体，因大幅降低人工成本而受到越来越多的关注。典型的 FFG 流程将标准字库中的字符视为内容字形，并通过从参考字形中提取风格信息将其迁移至新的目标字体。现有多数方案在全局或部件层面显式解耦参考字形的内容与风格。然而，字形的风格主要存在于局部细节中，即部首、部件与笔画的风格共同刻画了字形的风格。因此，即便单个字符也可包含分布于空间位置上的不同风格。本文提出一种新的字体生成方法，通过学习 1）参考字的细粒度局部风格，以及 2）内容字形与参考字形之间的空间对应关系，使内容字形中各空间位置都能被赋予正确的细粒度风格。为此，我们采用以内容字形表示为查询（query）、参考字形表示为键（key）与值（value）的交叉注意力机制。与显式解耦的全局或部件建模不同，该交叉注意力机制能关注参考字形中正确的局部风格，并将参考风格聚合为给定内容字形的细粒度风格表示。实验表明，所提方法在 FFG 上优于当前最优（SOTA）方法。特别地，用户研究也表明我们方法的风格一致性显著优于先前方法。
引用
@article{arxiv.2205.09965,
title = {Few-Shot Font Generation by Learning Fine-Grained Local Styles},
author = {Licheng Tang and Yiyang Cai and Jiaming Liu and Zhibin Hong and Mingming Gong and Minhu Fan and Junyu Han and Jingtuo Liu and Errui Ding and Jingdong Wang},
journal= {arXiv preprint arXiv:2205.09965},
year = {2022}
}
备注
Accepted to CVPR 2022