TextStyleBrush：从单示例中迁移文本美学
计算机视觉与模式识别
2021-06-17 v1
摘要
我们提出了一种新方法，用于将文本图像的内容与其外观的所有方面解耦。我们所导出的外观表示可应用于新内容，从而实现将源风格一次性迁移到新内容。我们以自监督方式学习这种解耦。我们的方法处理整个词框，无需将文本从背景中分割、逐字符处理或对字符串长度做假设。我们展示了在不同文本领域的结果，这些领域此前由专门方法处理，例如场景文本、手写文本。为此，我们做出了若干技术贡献：（1）我们将文本图像的风风格与内容解耦为一个非参数、固定维度的向量。（2）我们提出了一种受 StyleGAN 启发但在不同分辨率和内容上以示例风格为条件的新方法。（3）我们提出了新的自监督训练准则，利用预训练字体分类器和文本识别器来同时保留源风格与目标内容。最后，（4）我们还引入了 Imgur5K，一个用于手写词图像的新且具有挑战性的数据集。我们提供了大量我们方法的定性照片级真实结果。我们进一步表明，在场景文本与手写数据集的定量测试以及用户研究中，我们的方法均超越了先前工作。
引用
@article{arxiv.2106.08385,
title = {TextStyleBrush: Transfer of Text Aesthetics from a Single Example},
author = {Praveen Krishnan and Rama Kovvuri and Guan Pang and Boris Vassilev and Tal Hassner},
journal= {arXiv preprint arXiv:2106.08385},
year = {2021}
}
备注
18 pages, 13 figures