基于机器翻译的文本风格迁移用于图形设计
计算与语言
2026-04-30 v1 人工智能
摘要
图形设计全球化日益重要，如营销材料和杂志所使用的设计，以便与广大受众进行交流。为此，需要准确地翻译图形设计中的文本内容，并保留文本风格以适应视觉设计。保留文本风格需要在原始文本和翻译文本之间实现高精度的词对齐。文本在源文本和翻译文本之间的词对齐问题早已为人所知。从事词对齐提取的行业标准由Giza++和来自神经机器翻译(NMT)模型的注意力概率定义。在本文中，我们探索了三种新方法来解决将文本风格从源文本迁移到翻译文本的词对齐问题。所提出的方法是在现有的商业可用的NMT和LLM翻译技术之上开发的，包括：用于文本风格的自定义输入和输出标签的NMT；用于文本风格的自定义输入和输出标签的LLM；NMT用于翻译后跟随LLM使用单词映射的混合方法。为了分析这些解决方案的性能，将其对注意力头方法的结果与注意力头方法的结果进行比较，以 gauging其在图形设计应用中的可用性。有趣的是，注意力头强基准比LLM或NMT方法更准确，与混合NMT+LLM方法相当。
引用
@article{arxiv.2604.26361,
title = {Text Style Transfer with Machine Translation for Graphic Designs},
author = {Deergh Singh Budhauria and Sanyam Jain and Rishav Agarwal and Tracy King},
journal= {arXiv preprint arXiv:2604.26361},
year = {2026}
}