GenText：基于字体与纹理解耦操作的无监督艺术文本生成
计算机视觉与模式识别
2022-07-25 v1
摘要
自动艺术文本生成是一个新兴话题，因其广泛应用而受到越来越多的关注。艺术文本可分别划分为内容、字体和纹理三个组成部分。现有的艺术文本生成模型通常侧重于操作上述组成部分的某一方面，这对于可控的通用艺术文本生成而言是次优方案。为弥补该问题，我们提出一种新方法，即GenText，通过以无监督方式将字体与纹理风格从不同源图像分别迁移至目标图像，从而实现通用艺术文本风格迁移。具体而言，我们当前的工作将风格化、去风格化和字体迁移三个不同阶统一纳入一个具有单一强大编码器网络与两个独立风格生成器网络（一个用于字体迁移，另一个用于风格化与去风格化）的平台中。去风格化阶段首先提取字体参考图像的字体风格，随后字体迁移阶段生成具有所需字体风格的目标内容。最后，风格化阶段依据参考图像中的纹理风格对所得字体图像进行渲染。此外，考虑到成对艺术文本图像数据获取的困难，我们的模型设计于无监督设定下，所有阶段均可从非成对数据中有效优化。在艺术文本基准上进行的定性与定量结果表明了我们所提模型的优越性能。代码与模型将在未来公开可用。
引用
@article{arxiv.2207.09649,
title = {GenText: Unsupervised Artistic Text Generation via Decoupled Font and Texture Manipulation},
author = {Qirui Huang and Bin Fu and Aozhong Zhang and Yu Qiao},
journal= {arXiv preprint arXiv:2207.09649},
year = {2022}
}