Khattat：增强语义排版的可读性与概念表示
计算与语言
2024-10-08 v1 机器学习
摘要
设计能够在保持可读性的同时视觉传递单词意义的表达排版是复杂任务，称为语义排版。它涉及选择想法、选择合适的字体以及在创意性和可读性之间取得平衡。我们引入一个端到端系统来自动化此过程。首先，大型语言模型（LLM）为单词生成图像想法，适用于自由等抽象概念。然后，FontCLIP预训练模型基于其对字体属性的语义理解自动选择合适的字体。系统识别单词的最佳区域进行形变，并使用预训练扩散模型迭代转换这些区域。我们的关键功能是基于OCR的损失函数，以增强可读性并实现多个字符的同步风格化。我们与其他基线方法进行比较，展示了在多个语言和书写脚本上的出色可读性增强和多样性。
引用
@article{arxiv.2410.03748,
title = {Khattat: Enhancing Readability and Concept Representation of Semantic Typography},
author = {Ahmed Hussein and Alaa Elsetohy and Sama Hadhoud and Tameem Bakr and Yasser Rohaim and Badr AlKhamissi},
journal= {arXiv preprint arXiv:2410.03748},
year = {2024}
}