論文の概要: InkDiffuser: High-Fidelity One-shot Chinese Calligraphy via Differentiable Morphological Optimization

• arxiv url: http://arxiv.org/abs/2605.05865v1
• Date: Thu, 07 May 2026 08:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.632389
• Title: InkDiffuser: High-Fidelity One-shot Chinese Calligraphy via Differentiable Morphological Optimization
• Title（参考訳）: InkDiffuser: 微分形態最適化による高忠実1ショット中国書道
• Authors: Kunchong Shi, Jing Zhang,
• Abstract要約: InkDiffuser(インクディフューザー)は、1ショットの漢文合成のための拡散ベースの生成フレームワークである。 本稿では、高周波強化機構と微分可能なインク構造損失の2つのコアコントリビューションを紹介する。 様々な書風や複雑な文字の実験は、InkDiffuserが優れた書体を生成できることを実証している。
• 参考スコア（独自算出の注目度）: 7.245162028678732
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current Chinese calligraphy generation methods suffer from poor stroke rendering and unrealistic ink morphology, resulting in outputs with limited visual fidelity and artistic fluidity. To address this problem, we propose \textbf{InkDiffuser}, a diffusion-based generative framework for one-shot Chinese calligraphy synthesis. To guarantee high-fidelity rendering, we introduce two core contributions: a high-frequency enhancement mechanism and a Differentiable Ink Structure (DIS) loss that explicitly regularizes ink morphology. Inspired by the observation that high-frequency information in individual samples typically carries contour details, we enhance content extraction by explicitly fusing high-frequency representations for more accurate font structure. Furthermore, we propose a differentiable ink structure loss that integrates differentiable morphological operations into the diffusion process. By allowing the model to learn an explicit decomposition of ink-trace structures, DIS facilitates fine-grained refinement of stroke contours and delivers significantly improved visual realism in the generated calligraphy. Extensive experiments on various calligraphic styles and complex characters demonstrate that InkDiffuser can generate superior calligraphy fonts with realistic ink rendering effects from only a single reference glyph and outperform existing few-shot font generation approaches in structural consistency, detail fidelity, and visual authenticity. The code is available at the following address: https://github.com/JingVIPLab/InkDiffuser.
• Abstract（参考訳）: 現在の中国の筆跡生成法は、筆跡レンダリングの貧弱さと非現実的なインク形態に悩まされており、視覚的忠実さと芸術的流動性に限界がある。 この問題に対処するために,1ショットの中国語書写合成のための拡散型生成フレームワークである「textbf{InkDiffuser}」を提案する。 高忠実度レンダリングを保証するため、高周波数拡張機構と、インク形態を明示的に正規化する微分可能なインク構造損失(DIS)という2つのコアコントリビューションを導入する。 個々のサンプルの高周波情報に典型的に輪郭の詳細があるという観察に触発されて、より正確なフォント構造のために高周波表現を明示的に融合させることでコンテンツ抽出を強化する。 さらに, 拡散過程に微分可能な形態演算を組み込んだインク構造損失を提案する。 モデルがインクトレース構造の明示的な分解を学べることにより、disはストローク輪郭の微細化を容易にし、生成された書道における視覚的リアリズムを大幅に改善する。 様々な書体スタイルや複雑な文字に関する大規模な実験により、InkDiffuserは単一の参照グリフのみからリアルなインク描画効果を持つ優れた書体を生成でき、構造的一貫性、細かな忠実さ、視覚的真性において既存の少数ショットフォント生成アプローチより優れていることが示されている。 コードは以下のアドレスで利用できる。 https://github.com/JingVIPLab/InkDiffuser.com

関連論文リスト

• Data-Efficient Brushstroke Generation with Diffusion Models for Oil Painting [60.15416769662556]
  そこで本研究では,手書きサンプルの小さなセットから人型ブラシストローク生成を学習する問題について検討する。 Smooth Regularization (SmR) を用いた拡散型フレームワーク StrokeDiff を提案する。 学習したプリミティブをBézierベースの条件付けモジュールで制御可能であることを示す。
  論文  参考訳（メタデータ） (2026-03-01T13:42:35Z)
• DiffInk: Glyph- and Style-Aware Latent Diffusion Transformer for Text to Online Handwriting Generation [41.08176249345279]
  DiffInkは、完全な手書き文字を生成するための最初の遅延拡散トランスフォーマーフレームワークである。 InkVAEは2つの相補的な潜在空間正規化損失で拡張された新しい逐次変分オートエンコーダである。 次に、ターゲットテキストと参照スタイルを統合し、コヒーレントペントラジェクトリを生成する新しい遅延拡散変換器InkDiTを紹介する。
  論文  参考訳（メタデータ） (2025-09-28T03:58:15Z)
• MFCLIP: Multi-modal Fine-grained CLIP for Generalizable Diffusion Face Forgery Detection [64.29452783056253]
  フォトリアリスティック・フェイスジェネレーション手法の急速な発展は、社会やアカデミックにおいて大きな関心を集めている。 既存のアプローチは主に画像モダリティを用いて顔の偽造パターンをキャプチャするが、きめ細かいノイズやテキストのような他のモダリティは完全には探索されていない。 そこで本研究では,画像ノイズの多点にわたる包括的かつきめ細かなフォージェリートレースをマイニングする,MFCLIP(MF-modal Fine-fine-fine-fine-fine-fine CLIP)モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-15T13:08:59Z)
• Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
  PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。 認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
  論文  参考訳（メタデータ） (2024-02-28T06:07:07Z)
• 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)
• UDiffText: A Unified Framework for High-quality Text Synthesis in Arbitrary Images via Character-aware Diffusion Models [25.219960711604728]
  本稿では,事前学習した拡散モデルを用いたテキスト画像生成手法を提案する。 我々のアプローチは、オリジナルのCLIPエンコーダを置き換える軽量文字レベルテキストエンコーダの設計と訓練である。 推論段階の精細化プロセスを用いることで、任意に与えられた画像のテキストを合成する際に、顕著に高いシーケンス精度を実現する。
  論文  参考訳（メタデータ） (2023-12-08T07:47:46Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• DS-Fusion: Artistic Typography via Discriminated and Stylized Diffusion [10.75789076591325]
  1つ以上の文字フォントをスタイリングすることで,芸術的タイポグラフィーを自動的に生成する新しい手法を提案する。 提案手法では,大規模言語モデルを用いてテキストや視覚画像をブリッジしてスタイリングし,教師なし生成モデルを構築する。
  論文  参考訳（メタデータ） (2023-03-16T19:12:52Z)
• SE-GAN: Skeleton Enhanced GAN-based Model for Brush Handwriting Font Generation [17.06759966521758]
  筆書きフォント生成には 全体構造の変化と 複雑なストロークの転送が含まれる 骨格情報を統合した新しいGAN画像翻訳モデルを提案する。 また、6つのスタイルと15,000の高解像度画像を持つ大規模な筆書きフォント画像データセットをコントリビュートする。
  論文  参考訳（メタデータ） (2022-04-22T03:56:53Z)

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。