用于少样本字体风格迁移的多内容 GAN
计算机视觉与模式识别
2017-12-05 v1
摘要
在这项工作中，我们关注以下挑战：获取高度风格化文本的局部观测，并将观测推广以生成装饰字体中未观测到的字形。为从极少样本中生成一组遵循一致风格的多内容图像，我们提出了一种端到端堆叠条件 GAN 模型，将内容沿通道考虑、风格沿网络层考虑。我们提出的网络将给定字形的风格迁移到未见字形的内容上，捕捉现实世界中如电影海报或信息图中高度风格化的字体。我们旨在同时迁移排版风格化（如衬线体和字耳）以及文本风格化（如颜色渐变和效果）。我们的实验基于所收集的数据集，包含 10,000 种不同风格的字体，并展示了从极少量观测字形出发的有效泛化能力。
引用
@article{arxiv.1712.00516,
title = {Multi-Content GAN for Few-Shot Font Style Transfer},
author = {Samaneh Azadi and Matthew Fisher and Vladimir Kim and Zhaowen Wang and Eli Shechtman and Trevor Darrell},
journal= {arXiv preprint arXiv:1712.00516},
year = {2017}
}