基于生成对抗网络的中文等字体补全
计算机视觉与模式识别
2018-12-14 v2 机器学习
摘要
文本的情绪与作者的意图可反映于字体之中。然而在字体设计中，保持各种字符风格一致颇为困难，尤其是对于如中文等具有大量形态变化的语言。本文提出一种字体补全网络（TCN），其以单个字符作为输入，并自动补全与该输入字符同风格的一套完整字符。与现有用于图像到图像翻译的模型不同，TCN将字符图像嵌入两个分别表示字体与内容的独立向量中。结合来自潜空间的重构损失及其他多种损失，TCN克服了字体设计中的固有困难。此外，相较于以往的图像到图像翻译模型，TCN以远少的模型参数量生成同字体的高质量字符图像。我们在成对数据的中文字符与英文字符数据集，以及非成对数据的CelebA数据集上验证了所提模型。在这些数据集上，TCN优于近期提出的最先进图像到图像翻译模型。我们模型的源代码可在 https://github.com/yongqyu/TCN 获取。
引用
@article{arxiv.1811.03762,
title = {Typeface Completion with Generative Adversarial Networks},
author = {Yonggyu Park and Junhyun Lee and Yookyung Koh and Inyeop Lee and Jinhyuk Lee and Jaewoo Kang},
journal= {arXiv preprint arXiv:1811.03762},
year = {2018}
}