Fugu-MT 論文翻訳(概要): Parametric type design in the era of variable and color fonts

論文の概要: Parametric type design in the era of variable and color fonts

arxiv url: http://arxiv.org/abs/2502.07386v1
Date: Tue, 11 Feb 2025 09:12:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-12 14:07:15.503283
Title: Parametric type design in the era of variable and color fonts
Title（参考訳）: 変色フォント時代のパラメトリック型設計
Authors: Santhosh Thottingal,
Abstract要約: 本稿では,メタポストを用いたパラメトリック設計の原理に基づく近代型設計プロセスについて考察する。著者は2つの可変フォントをこの方法で作成し、それらをフリーのオープンソースライセンスでリリースした。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Parametric fonts are programatically defined fonts with variable parameters, pioneered by Donald Kunth with his MetaFont technology in the 1980s. While Donald Knuth's ideas in MetaFont and subsequently in MetaPost are often seen as legacy techniques from the pre-graphical user interface (GUI) era of type design, recent trends like variable fonts suggest a resurgence of certain principles. This paper explores a modern type design process built on parametric design principles, specifically using MetaPost. The author created two variable fonts with this method and released them under a free, open-source license. The paper details the methodology, workflow, and insights gained from this process.
Abstract（参考訳）: パラメトリックフォント(パラメトリックフォント、英: Parametric fonts)は、ドナルド・クンス(英語版)が1980年代にMetaFont技術で開発した可変パラメータを持つプログラムで定義されたフォントである。ドナルド・クヌースのMetaFontおよびその後MetaPostにおけるアイデアは、しばしば、型設計のGUI時代以前の技術として見なされるが、変数フォントのような最近のトレンドは、特定の原則の復活を示唆している。本稿では,メタポストを用いたパラメトリック設計の原理に基づく近代型設計プロセスについて考察する。著者は2つの可変フォントをこの方法で作成し、それらをフリーのオープンソースライセンスでリリースした。このプロセスから得られた方法論、ワークフロー、洞察について詳述する。

関連論文リスト

GRIF-DM: Generation of Rich Impression Fonts using Diffusion Models [18.15911470339845]
我々は、特定の印象を鮮明に具現化するフォントを生成するための拡散法である「usmethod」を導入する。 MyFontsデータセットを用いて,本手法が現実的で活気があり,高忠実なフォントを生成可能であることを確認した。
論文参考訳（メタデータ） (2024-08-14T02:26:46Z)
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)
CF-Font: Content Fusion for Few-shot Font Generation [63.79915037830131]
本稿では、コンテンツ特徴をベースフォントのコンテンツ特徴によって定義される線形空間に投影するコンテンツ融合モジュール(CFM)を提案する。提案手法では,参照画像のスタイル表現ベクトルの最適化も可能である。我々は,6.5k文字の300フォントのデータセットを用いて評価を行った。
論文参考訳（メタデータ） (2023-03-24T14:18:40Z)
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)
Font Completion and Manipulation by Cycling Between Multi-Modality Representations [113.26243126754704]
中間表現としてグラフを用いた2次元グラフィックオブジェクトとしてフォントグリフの生成を探求する。我々は、画像エンコーダと画像の間のグラフで、モダリティサイクルのイメージ・ツー・イメージ構造を定式化する。本モデルでは,画像から画像までのベースラインと,それ以前のグリフ補完手法よりも改善された結果を生成する。
論文参考訳（メタデータ） (2021-08-30T02:43:29Z)
FONTNET: On-Device Font Understanding and Prediction Pipeline [1.5749416770494706]
フォント検出エンジンとフォント予測エンジンの2つのエンジンを提案する。画像中のテキストのフォントスタイルを識別する新しいcnnアーキテクチャを開発した。第2に、与えられたクエリフォントの類似フォントを予測するための新しいアルゴリズムを設計した。第3に,インスタントメッセージングなどのリアルタイムアプリケーションにおいて,プライバシを確保し,レイテンシを改善するエンジンのオンデバイス全体を最適化し,デプロイしました。
論文参考訳（メタデータ） (2021-03-30T08:11:24Z)
Attribute2Font: Creating Fonts You Want From Attributes [32.82714291856353]
Attribute2Fontは、属性値に基づいて条件付けられた任意の2つのフォント間でフォントスタイルの転送を実行するように訓練されている。 Attribute Attention Moduleと呼ばれる新しいユニットは、生成されたグリフ画像が顕著なフォント属性をより具体化するように設計されている。
論文参考訳（メタデータ） (2020-05-16T04:06:53Z)
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。