VQ-Font：基于结构感知增强与量化的少样本字体生成
计算机视觉与模式识别
2023-08-29 v1
摘要
少样本字体生成具有挑战性，因为它需要从有限的参考字形中捕捉细粒度笔画风格，并迁移到其他期望具有相似风格的字符上。然而，由于中文字体风格的多样性和复杂性，现有方法合成的字形通常表现出可见的伪影，如细节缺失和笔画扭曲。本文提出一种基于VQGAN的框架（即VQ-Font），通过令牌先验精炼和结构感知增强来提升字形保真度。具体而言，我们预训练一个VQGAN，将字体令牌先验封装于码本中。随后，VQ-Font利用该码本对合成字形进行精炼，以消除合成笔画与真实笔画之间的域差距。此外，我们的VQ-Font利用汉字的固有设计，即偏旁和部件等结构组件以特定方式组合，基于参考对细粒度风格进行重新校准。该过程在结构层面改善了风格的匹配与融合。两个模块协同增强生成字体的保真度。在收集到的字体数据集上的实验表明，我们的VQ-Font在定量和定性上均优于对比方法，尤其在生成具有挑战性的风格时。
引用
@article{arxiv.2308.14018,
title = {VQ-Font: Few-Shot Font Generation with Structure-Aware Enhancement and Quantization},
author = {Mingshuai Yao and Yabo Zhang and Xianhui Lin and Xiaoming Li and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2308.14018},
year = {2023}
}
备注
13 pages, 14 figures