细察以善监：基于部件判别器的一次性字体生成
计算机视觉与模式识别
2022-05-10 v2
摘要
自动字体生成由于大量具有复杂结构的字符而仍然是一个具有挑战性的研究问题。通常，仅有少量样本可作为风格/内容参考（称为少样本学习），这进一步增加了保留局部风格图案或详细字形结构的难度。我们调查了以往研究的缺陷，发现粗粒度判别器不足以监督字体生成器。为此，我们提出了一种新颖的部件感知模块（CAM），它在更细粒度级别即部件级别监督生成器解耦内容与风格。与以往致力于增加生成器复杂性的研究不同，我们旨在对相对简单的生成器进行更有效的监督以发挥其全部潜力，这是字体生成的一个全新视角。整个框架通过将部件级监督与对抗学习相结合取得了显著结果，因此我们称之为部件引导 GAN，简称 CG-GAN。大量实验表明，我们的方法优于最先进的一次性字体生成方法。此外，它可应用于手写词合成和场景文本图像编辑，表明了我们方法的泛化能力。
引用
@article{arxiv.2205.00146,
title = {Look Closer to Supervise Better: One-Shot Font Generation via Component-Based Discriminator},
author = {Yuxin Kong and Canjie Luo and Weihong Ma and Qiyuan Zhu and Shenggao Zhu and Nicholas Yuan and Lianwen Jin},
journal= {arXiv preprint arXiv:2205.00146},
year = {2022}
}
备注
Accepted by CVPR2022(oral)