野外字体印象估计
计算机视觉与模式识别
2024-02-26 v1
摘要
本文解决了从真实字体图像中估计字体印象的挑战性任务。我们使用带有字体印象注释信息的字体数据集，并构建一个卷积神经网络（CNN）框架来完成此任务。然而，由于字体印象注释的主观性质，单个字体的印象往往缺失且噪声较大。为实现即使在此类数据集下仍能稳定估计印象，我们提出了基于样本字体印象估计的方法，该方法依赖于对与输入图像相似的样本字体印象进行集成的策略。此外，我们训练CNN使用模拟字体图像，这些图像仿真扫描的单词图像，从而使CNN能够估计野外字体图像的印象。我们对所提估计方法的基本性能进行了定性和定量评估。随后，我们对书籍类型与字体印象之间的相关性进行了分析；值得注意的是，只有在我们的印象估计方法下，此类分析才得以实现。分析结果揭示了它们之间各种相关性趋势——这一事实支持了书籍封面设计师仔细为书籍封面选择字体，考虑字体所赋予印象的假设。
引用
@article{arxiv.2402.15236,
title = {Font Impression Estimation in the Wild},
author = {Kazuki Kitajima and Daichi Haraguchi and Seiichi Uchida},
journal= {arXiv preprint arXiv:2402.15236},
year = {2024}
}