Fugu-MT 論文翻訳(概要): Automatic Generation of Chinese Handwriting via Fonts Style Representation Learning

論文の概要: Automatic Generation of Chinese Handwriting via Fonts Style Representation Learning

arxiv url: http://arxiv.org/abs/2004.03339v1
Date: Fri, 27 Mar 2020 23:34:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 04:27:35.684937
Title: Automatic Generation of Chinese Handwriting via Fonts Style Representation Learning
Title（参考訳）: フォントスタイル表現学習による中国語手書きの自動生成
Authors: Fenxi Xiao, Bo Huang, Xia Wu
Abstract要約: このシステムは、潜在スタイル関連埋め込み変数によって新しいスタイルフォントを生成することができる。本手法は他の方法よりもシンプルで効果的であり,フォント設計効率の向上に寄与する。
参考スコア（独自算出の注目度）: 7.196855749519688
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose and end-to-end deep Chinese font generation system. This system can generate new style fonts by interpolation of latent style-related embeding variables that could achieve smooth transition between different style. Our method is simpler and more effective than other methods, which will help to improve the font design efficiency
Abstract（参考訳）: 本稿では,中国語の深層フォント生成システムを提案する。このシステムは、異なるスタイル間のスムーズな遷移を実現する潜在スタイル関連埋め込み変数を補間することにより、新しいスタイルフォントを生成することができる。提案手法は他の手法よりもシンプルで効果的であり,フォント設計効率の向上に寄与する。

関連論文リスト

FontDiffuser: One-Shot Font Generation via Denoising Diffusion with Multi-Scale Content Aggregation and Style Contrastive Learning [45.696909070215476]
FontDiffuserは拡散に基づく画像から画像へのワンショットフォント生成手法である。従来の方法と比較して、複雑な文字と大きなスタイルの変更を一貫して排他的に引き継いでいる。
論文参考訳（メタデータ） (2023-12-19T13:23:20Z)
VQ-Font: Few-Shot Font Generation with Structure-Aware Enhancement and Quantization [52.870638830417]
本稿では,VQGANベースのフレームワーク(VQ-Font)を提案する。具体的には、コードブック内でフォントトークンをカプセル化するために、VQGANを事前訓練する。その後、VQ-Fontは、合成したグリフをコードブックで洗練し、合成されたストロークと実世界のストロークのドメインギャップをなくす。
論文参考訳（メタデータ） (2023-08-27T06:32:20Z)
Few-shot Font Generation by Learning Style Difference and Similarity [84.76381937516356]
異なるスタイルの違いと同一スタイルの類似性(DS-Font)を学習する新しいフォント生成手法を提案する。具体的には,提案するクラスタレベルコントラシブ・スタイル(CCS)の損失により,スタイルエンコーディングを実現する多層型プロジェクタを提案する。
論文参考訳（メタデータ） (2023-01-24T13:57:25Z)
Diff-Font: Diffusion Model for Robust One-Shot Font Generation [110.45944936952309]
Diff-Fontという拡散モデルに基づく新しいワンショットフォント生成手法を提案する。提案するモデルは,フォントライブラリ全体を生成することを目的として,参照として1つのサンプルのみを与える。十分に訓練されたDiff-Fontは、フォントギャップやフォントのバリエーションに対して堅牢であるだけでなく、難しい文字生成において有望なパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-12-12T13:51:50Z)
Few-Shot Font Generation by Learning Fine-Grained Local Styles [90.39288370855115]
フラッシュショットフォント生成(FFG)は、いくつかの例で新しいフォントを生成することを目的としている。提案手法は,1)参照からきめ細かな局所スタイルを学習し,2)コンテンツと参照グリフの空間的対応を学習するフォント生成手法である。
論文参考訳（メタデータ） (2022-05-20T05:07:05Z)
FontNet: Closing the gap to font designer performance in font synthesis [3.991334489146843]
本稿では,フォント間の距離がフォント類似度と直接対応するような埋め込み空間において,フォントスタイルの分離を学習するFontNetというモデルを提案する。我々は,任意の言語システムに適用可能なネットワークアーキテクチャと訓練手順を設計し,高解像度フォント画像を生成する。
論文参考訳（メタデータ） (2022-05-13T08:37:10Z)
Scalable Font Reconstruction with Dual Latent Manifolds [55.29525824849242]
タイポグラフィー解析とフォント再構成を行う深層生成モデルを提案する。このアプローチによって、効果的にモデル化できるキャラクタの種類を大規模にスケールアップすることが可能になります。多くの言語の文字タイプを表す様々なデータセット上でフォント再構成のタスクを評価する。
論文参考訳（メタデータ） (2021-09-10T20:37:43Z)
Few-shot Font Generation with Localized Style Representations and Factorization [23.781619323447003]
ユニバーサルスタイルの代わりに,局所化スタイル,すなわちコンポーネントワイドスタイル表現を学習し,新しいフォント生成手法を提案する。提案手法は,8つの基準グリフ画像しか持たない少数のフォント生成結果が,他の最先端のフォントよりも著しく優れていることを示す。
論文参考訳（メタデータ） (2020-09-23T10:33:01Z)
Neural Style Difference Transfer and Its Application to Font Generation [14.567067583556717]
フォントを自動生成する手法を導入する。 2つの異なるフォント間のフォントスタイルの違いを見つけ出し、ニューラルスタイル転送を用いて別のフォントに転送する。
論文参考訳（メタデータ） (2020-01-21T03:32:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。