FsFont--通过学习细粒度局部样式生成少样本字体

Abstract

通过少量示例生成新字体的FFG (few -shot font generation)，因大幅降低人工成本而受到越来越多的关注。典型的FFG管道将标准字体库中的字符视为内容字形，并通过从参考字形提取样式信息将它们转移到新的目标字体。大多数现有的解决方案明确地全局或组件地分离参考符号的内容和样式。而字形的风格主要体现在局部细节上，即偏旁、组份、笔画的风格共同描绘了一个字形的风格。因此，即使是单个字符也可以包含分布在空间位置上的不同样式。在本文中，我们提出了一种新的字体生成方法:1)从参考文献中学习细粒度的局部样式，2)内容和参考符号之间的空间对应关系。因此，内容符号中的每个空间位置都可以使用正确的细粒度样式分配。为此，我们采用对内容符号表示的交叉关注作为查询，并将引用符号表示作为键和值。交叉注意机制不需要显式地分解全局或组件建模，而是可以处理参考符号中正确的局部样式，并将参考样式聚合为给定内容符号的细粒度样式表示。 实验结果表明，该方法在FFG中的性能优于现有方法。特别是，用户研究还表明，我们的方法的风格一致性显著优于以前的方法。

图1。我们提出了细粒度的局部风格提取和风格聚合过程。我们提出的模块支持从引用中细粒度地提取样式，并学习内容和引用之间的对应关系，从而以高保真度将相应的局部样式聚合到内容中的正确位置。

1. Introduction

在现代，计算机系统和人类都要处理大量的文本信息。字体，文本的表示，因此发挥了关键作用&