基于扩散模型的字体风格插值
计算机视觉与模式识别
2024-02-23 v1
摘要
字体在风格上存在巨大差异，给读者带来不同的印象。因此，生成新字体值得为读者提供新的印象。本文利用扩散模型，通过对一对具有不同风格的参考字体进行插值来生成新的字体风格。具体而言，我们提出了三种不同的插值方法：图像混合（image-blending）、条件混合（condition-blending）和噪声混合（noise-blending），并结合扩散模型实现。我们进行了定性和定量实验分析，以理解这三种方法的风格生成能力。实验结果表明，提出的三种方法不仅能生成预期的字体风格，还能生成一些偶然的字体风格。我们还将这些方法与最先进的风格条件拉丁字体生成网络模型进行了比较，以确认使用扩散模型进行风格插值任务的有效性。
引用
@article{arxiv.2402.14311,
title = {Font Style Interpolation with Diffusion Models},
author = {Tetta Kondo and Shumpei Takezaki and Daichi Haraguchi and Seiichi Uchida},
journal= {arXiv preprint arXiv:2402.14311},
year = {2024}
}