MX-Font++: 基于混合异构聚合专家的少样本字体生成
计算机视觉与模式识别
2025-03-05 v1
摘要
少样本字体生成（FFG）旨在使用有限的参考字形创建新的字体库，尤其在数字可访问性和低资源语言的人工智能系统中具有重要应用。尽管已有方法显示出有前景的性能，但在低资源语言中对未见字符的迁移仍是一个重大挑战，尤其当字体字形在训练集中差异很大时。MX-Font 从局部组件的角度考虑字符内容，采用混合专家（MoE）方法以更好地适应性地提取组件。然而，缺乏稳健的特征提取器会导致内容和风格的充分解耦不足，进而产生次优的生成结果。为缓解这些问题，我们提出了异构聚合专家（HAE），这是一种强大的特征提取专家，能够在通道和空间维度上聚合信息，从而帮助解耦内容和风格。此外，我们提出了一种新颖的内容-风格均匀性损失以增强解缠。在多个数据集上的大量实验表明，MX-Font++ 在 FFG 中产生优异的视觉效果，并有效地超越了最先进的方法。代码和数据可在 https://github.com/stephensun11/MXFontpp 获取。
引用
@article{arxiv.2503.02799,
title = {MX-Font++: Mixture of Heterogeneous Aggregation Experts for Few-shot Font Generation},
author = {Weihang Wang and Duolin Sun and Jielei Zhang and Longwen Gao},
journal= {arXiv preprint arXiv:2503.02799},
year = {2025}
}
备注
4 pages, 4 figures, accepted by ICASSP 2025