Fugu-MT 論文翻訳(概要): Font Shape-to-Impression Translation

論文の概要: Font Shape-to-Impression Translation

arxiv url: http://arxiv.org/abs/2203.05808v1
Date: Fri, 11 Mar 2022 09:02:25 GMT
ステータス: 処理完了
システム内更新日: 2022-03-14 13:05:11.063039
Title: Font Shape-to-Impression Translation
Title（参考訳）: フォント形状から印象への翻訳
Authors: Masaya Ueda, Akisato Kimura, Seiichi Uchida
Abstract要約: 本稿ではトランスフォーマーアーキテクチャに基づく部分的形状印象解析に取り組む。局所的な部分間の相関を自己認識機構によって処理することができる。
参考スコア（独自算出の注目度）: 15.228202509283248
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Different fonts have different impressions, such as elegant, scary, and cool. This paper tackles part-based shape-impression analysis based on the Transformer architecture, which is able to handle the correlation among local parts by its self-attention mechanism. This ability will reveal how combinations of local parts realize a specific impression of a font. The versatility of Transformer allows us to realize two very different approaches for the analysis, i.e., multi-label classification and translation. A quantitative evaluation shows that our Transformer-based approaches estimate the font impressions from a set of local parts more accurately than other approaches. A qualitative evaluation then indicates the important local parts for a specific impression.
Abstract（参考訳）: 異なるフォントは、エレガントで、怖く、クールな印象を持っている。本稿では,その自己着脱機構により局所部品間の相関を処理可能な変圧器アーキテクチャに基づく部分的形状印象解析を行う。この機能は、ローカル部品の組み合わせがフォントの特定の印象を実現する方法を明らかにする。変圧器の汎用性は,解析に非常に異なる2つのアプローチ,すなわちマルチラベル分類と翻訳を実現することができる。定量的評価により,我々のTransformerベースのアプローチは,局所的な部分の集合からフォント印象を他のアプローチよりも正確に推定することを示した。定性評価は、特定の印象に対して重要な局所部分を示す。

関連論文リスト

Font Impression Estimation in the Wild [7.542892664684078]
フォントインプレッションに関するアノテーションを備えたフォントデータセットと、このタスクのための畳み込みニューラルネットワーク(CNN)フレームワークを使用する。本稿では,入力画像に類似したフォントの印象をアンサンブルする戦略に依拠した,模範的な印象推定手法を提案する。そこで本研究では,書籍のジャンルとフォント印象の相関分析を行った。
論文参考訳（メタデータ） (2024-02-23T10:00:25Z)
Local Style Awareness of Font Images [8.91092846430013]
フォントを比較するとき、私たちはしばしば、セリフや曲率などの局所的な部分のスタイルに注意を払う。本稿では,重要な局所的な部分を見つけるための注意機構を提案する。その後、注目度の高い地域が重要視される。
論文参考訳（メタデータ） (2023-10-10T06:13:09Z)
Few shot font generation via transferring similarity guided global style and quantization local style [11.817299400850176]
文字類似性に基づくグローバル特徴とスタイル化コンポーネントレベルの表現からスタイルを集約する新しいフォント生成手法を提案する。我々のAFFG法は、コンポーネントレベルの表現の完全なセットを得ることができ、また、グローバルなグリフ特性を制御できる。
論文参考訳（メタデータ） (2023-09-02T05:05:40Z)
Multilingual Extraction and Categorization of Lexical Collocations with Graph-aware Transformers [86.64972552583941]
我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
論文参考訳（メタデータ） (2022-05-23T16:47:37Z)
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)
A Multi-Implicit Neural Representation for Fonts [79.6123184198301]
エッジやコーナーのようなフォント固有の不連続性は、ニューラルネットワークを使って表現することが難しい。そこで我々は,フォントを文順に表現するためのtextitmulti-implicitsを導入する。
論文参考訳（メタデータ） (2021-06-12T21:40:11Z)
Rethinking Text Line Recognition Models [57.47147190119394]
2つのデコーダファミリー(コネクショニスト時間分類と変換器)と3つのエンコーダモジュール(双方向LSTM、自己認識、GRCL)を考える。広く使用されているシーンと手書きテキストの公開データセットの精度とパフォーマンスを比較します。より一般的なTransformerベースのモデルとは異なり、このアーキテクチャは任意の長さの入力を処理できる。
論文参考訳（メタデータ） (2021-04-15T21:43:13Z)
AAformer: Auto-Aligned Transformer for Person Re-Identification [82.45385078624301]
トランスアーキテクチャにおけるアライメント方式を初めて導入する。本研究では,人体と非人体の両方をパッチレベルで自動的に検出する自動整列トランス (AAformer) を提案する。 AAformerは、部分アライメントを自己アテンションに統合し、出力[PART]を直接検索する機能として使用することができる。
論文参考訳（メタデータ） (2021-04-02T08:00:25Z)
Which Parts determine the Impression of the Font? [0.0]
様々なフォントは、レグレッシブル、ラフ、コミックテキストなど様々な印象を与える。文字全体の形状ではなく、局所的な形状に焦点を合わせることで、文字型の独立でより一般的な分析を実現できます。
論文参考訳（メタデータ） (2021-03-26T02:13:24Z)
Multiscale Mesh Deformation Component Analysis with Attention-based Autoencoders [49.62443496989065]
重み付けされたアテンションベースオートエンコーダを用いて, マルチスケール変形成分を精度良く自動生成する手法を提案する。このアテンション機構は、アクティブな変形領域において、軟弱なマルチスケール変形成分を学習するように設計されている。提案手法では,新しい形状の効果的なモデリングを容易にするために,粗い形状で形状を編集することができる。
論文参考訳（メタデータ） (2020-12-04T08:30:57Z)

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。