缺失印象标签下的字体生成
计算机视觉与模式识别
2022-06-03 v2
摘要
我们的目标是通过使用带有印象标签的字体数据集训练生成对抗网络，来生成具有特定印象的字体。主要困难在于字体印象是模糊的，并且印象标签的缺失并不总是意味着该字体不具有该印象。本文提出了一种对缺失印象标签具有鲁棒性的字体生成模型。所提方法的核心思想是（1）一个基于共现的缺失标签估计器，以及（2）一个印象标签空间压缩器。前者基于数据集中标签的共现关系来插补缺失的印象标签，并将其作为完整的标签条件用于模型训练。后者是一个编码器-解码器模块，用于将高维印象空间压缩到低维。我们通过定性和定量评估证明，所提出的模型能够使用带有缺失标签的多标签数据生成高质量的字体图像。
引用
@article{arxiv.2203.10348,
title = {Font Generation with Missing Impression Labels},
author = {Seiya Matsuda and Akisato Kimura and Seiichi Uchida},
journal= {arXiv preprint arXiv:2203.10348},
year = {2022}
}
备注
Accepted ICPR2022