通过学习方法风格差异与相似性实现少样本字体生成
计算机视觉与模式识别
2023-01-25 v1
摘要
少样本字体生成（FFG）旨在参考少量样本生成目标字体，同时保留原始字符底层的全局结构。它已应用于字体库创建、个性化签名等场景。现有 FFG 方法普遍或按部件显式解耦参考字形内容与风格，但忽略了不同风格字形间的差异以及同风格字形间的相似性，导致局部畸变与风格不一致等伪影。为解决该问题，我们提出一种通过学习方法间风格差异与同风格相似性（DS-Font）的新颖字体生成方法。我们引入对比学习以考量风格间正负关系。具体而言，我们提出多层风格投影器用于风格编码，并通过所提出的簇级对比风格（CCS）损失实现具有区分性的风格表示。此外，我们设计了多任务块判别器，综合考量图像不同区域并确保每种风格可独立区分。我们进行了全面的定性与定量评估，证明本方法显著优于最先进方法。
引用
@article{arxiv.2301.10008,
title = {Few-shot Font Generation by Learning Style Difference and Similarity},
author = {Xiao He and Mingrui Zhu and Nannan Wang and Xinbo Gao and Heng Yang},
journal= {arXiv preprint arXiv:2301.10008},
year = {2023}
}
备注
11 pages