論文の概要: Advancements in Chinese font generation since deep learning era: A survey

• arxiv url: http://arxiv.org/abs/2508.06900v1
• Date: Sat, 09 Aug 2025 09:15:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.605598
• Title: Advancements in Chinese font generation since deep learning era: A survey
• Title（参考訳）: 深層学習時代以降の中国語フォント生成の進歩--調査
• Authors: Weiran Chen, Guiqian Zhu, Ying Li, Yi Ji, Chunping Liu,
• Abstract要約: 中国のフォント生成は、いくつかの参照サンプルに基づいて、新しい中国語フォントライブラリを作成することを目的としている。 深層学習に基づく最近の中国語フォント生成手法に関する総合的な調査を行う。
• 参考スコア（独自算出の注目度）: 9.42819728245012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chinese font generation aims to create a new Chinese font library based on some reference samples. It is a topic of great concern to many font designers and typographers. Over the past years, with the rapid development of deep learning algorithms, various new techniques have achieved flourishing and thriving progress. Nevertheless, how to improve the overall quality of generated Chinese character images remains a tough issue. In this paper, we conduct a holistic survey of the recent Chinese font generation approaches based on deep learning. To be specific, we first illustrate the research background of the task. Then, we outline our literature selection and analysis methodology, and review a series of related fundamentals, including classical deep learning architectures, font representation formats, public datasets, and frequently-used evaluation metrics. After that, relying on the number of reference samples required to generate a new font, we categorize the existing methods into two major groups: many-shot font generation and few-shot font generation methods. Within each category, representative approaches are summarized, and their strengths and limitations are also discussed in detail. Finally, we conclude our paper with the challenges and future directions, with the expectation to provide some valuable illuminations for the researchers in this field.
• Abstract（参考訳）: 中国のフォント生成は、いくつかの参照サンプルに基づいて、新しい中国語フォントライブラリを作成することを目的としている。 これは多くのフォントデザイナーやタイポグラファーにとって大きな関心事である。 過去数年間、ディープラーニングアルゴリズムの急速な発展により、様々な新しい技術が繁栄し、発展を遂げてきた。 それでも、生成した漢字画像の全体的な品質向上は難しい問題である。 本稿では,ディープラーニングに基づく最近の中国語フォント生成手法に関する総合的な調査を行う。 具体的には、まずタスクの背景について説明する。 次に,文献の選択と分析の方法論を概説し,古典的なディープラーニングアーキテクチャ,フォント表現形式,公開データセット,頻繁に使用される評価指標など,関連する基本事項について概説する。 その後、新しいフォントを生成するのに必要な参照サンプルの数を頼りに、既存の手法を多ショットフォント生成法と少数ショットフォント生成法という2つの主要なグループに分類する。 各カテゴリにおいて、代表的アプローチを要約し、その強みと限界についても詳細に議論する。 最後に、この分野の研究者に貴重な照明を提供することを期待して、課題と今後の方向性について論文をまとめる。

関連論文リスト

• Skeleton and Font Generation Network for Zero-shot Chinese Character Generation [53.08596064763731]
  そこで我々は,より堅牢な漢字フォント生成を実現するために,新しいSkeleton and Font Generation Network (SFGN)を提案する。 ミススペル文字について実験を行い、その大部分は共通文字とわずかに異なる。 提案手法は、生成した画像の有効性を視覚的に実証し、現在最先端のフォント生成方法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-14T12:15:49Z)
• Exploring Precision and Recall to assess the quality and diversity of LLMs [82.21278402856079]
  我々はtextscLlama-2 や textscMistral のような大規模言語モデル (LLM) のための新しい評価フレームワークを提案する。 このアプローチにより、コーパスの整合を必要とせず、生成したテキストの品質と多様性を微妙に評価できる。
  論文  参考訳（メタデータ） (2024-02-16T13:53:26Z)
• DeepCalliFont: Few-shot Chinese Calligraphy Font Synthesis by Integrating Dual-modality Generative Models [20.76773399161289]
  特に中国語のフォントのフォント生成は困難で、進行中の課題である。 本稿では,2つのモダリティ生成モデルを統合することで,数ショットの漢字フォント合成のための新しいモデルDeepCalliFontを提案する。
  論文  参考訳（メタデータ） (2023-12-16T04:23:12Z)
• Style Generation in Robot Calligraphy with Deep Generative Adversarial Networks [15.199472080437527]
  漢字の数は数万であり、6000文字を超える一貫した漢字フォントの生成が困難になる。 本稿では,プロの規格で書体を生成可能な,深層生成逆数ネットワーク(deepGAN)に基づく自動書体生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-12-15T10:35:30Z)
• 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)
• 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 Deep Metric Learning [33.12829580813688]
  提案するフレームワークは、スタイルエンコーダにディープメトリック学習を導入している。 白黒フォントと形状識別フォントのデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2020-11-04T10:12:10Z)
• Few-shot Compositional Font Generation with Dual Memory [16.967987801167514]
  我々は、新しいフォント生成フレームワークDual Memory-augmented Font Generation Network (DM-Font)を提案する。 我々は、構成性を活用するために、メモリコンポーネントとグローバルコンテキスト認識をジェネレータに採用する。 韓国手書きフォントとタイ手書きフォントの実験では,本手法が忠実なスタイリングによるサンプルの品質を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-05-21T08:13:40Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。