基于 Transformer 的矢量字体分类：TrueType 与 PostScript 格式对比

现代字体采用矢量格式，确保缩放时无质量损失。尽管许多关于字体的深度学习研究聚焦于位图格式，但针对矢量字体的深度学习仍探索不足。在涉及矢量字体深度学习的研究中，字体表示的选择通常基于惯例。然而，字体表示格式是影响机器学习模型在字体相关任务中计算性能的因素之一。本文表明，在基于 Transformer 的矢量字体分类中，基于 PostScript 轮廓的字体表示优于基于 TrueType 轮廓的表示。TrueType 轮廓将字符形状表示为点序列及其关联标志，而 PostScript 轮廓则将其表示为命令序列。在先前研究中，当字体被视为矢量图形的一部分时，主要使用 PostScript 轮廓；而当仅关注字体本身时，则主要采用 TrueType 轮廓。选择 PostScript 还是 TrueType 轮廓，主要由文件格式规范和先前研究的先例决定，而非性能考量。迄今为止，很少有研究比较哪种轮廓格式能提供更好的嵌入表示。我们的发现表明，在基于 Transformer 的矢量图形深度学习中，信息聚合至关重要，正如语言模型中的分词和基于位图的图像识别模型中的图像块划分一样。这一见解为未来矢量图形研究中选择轮廓格式提供了有价值的指导。