論文の概要: Active Reference Acquisition in Few-Shot Font Generation

• arxiv url: http://arxiv.org/abs/2606.16502v1
• Date: Mon, 15 Jun 2026 10:04:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.364412
• Title: Active Reference Acquisition in Few-Shot Font Generation
• Title（参考訳）: Few-Shot Font 生成におけるアクティブリファレンス取得
• Authors: Shinnosuke Matsuo,
• Abstract要約: 短いショットフォント生成は、1つまたは数個の参照グリフが与えられたフォントの残りのグリフを合成することを目的としている。 本稿では,Few-Shot Font Generationにおけるアクティブ参照獲得という新たなフレームワークを提案し,次に獲得するキャラクタを逐次決定する。
• 参考スコア（独自算出の注目度）: 4.399563188884702
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Few-shot font generation aims to synthesize the remaining glyphs of a font given one or a few reference glyphs while preserving stylistic consistency, thereby supporting font designers in efficiently completing a typeface. Existing methods primarily focus on improving generation quality given a fixed reference set. However, when the current reference glyphs are insufficient to represent the target style, few-shot font generation may fail to produce satisfactory results. In practical scenarios, additional reference glyphs can often be obtained from the designer when necessary. Accordingly, we propose a new framework, Active Reference Acquisition in Few-Shot Font Generation, in which the model sequentially decides which character to acquire next as an additional reference. Furthermore, we propose a reference part-coverage-based acquisition function to efficiently query the designer. Motivated by the observation that font styles are well characterized by local structural parts, we represent each glyph using a histogram of local features and select query characters that maximize the expected part coverage of the reference set. By prioritizing characters that contain parts not yet covered by the current references, the proposed method progressively expands the diversity of visual parts in the reference set. As a result, generation quality is improved with fewer queries. Experiments on the Google Fonts dataset demonstrate that the proposed method achieves higher generation quality than random querying and reference-agnostic baselines. The code is available at https://github.com/matsuo-shinnosuke/ActiveRef-FontGen.
• Abstract（参考訳）: Few-shotフォント生成は、スタイリスティックな一貫性を維持しつつ、1つまたは数つの参照グリフが与えられたフォントの残りのグリフを合成することを目的としており、フォントデザイナーがフォントを効率よく完成させるのをサポートする。 既存の方法は、固定参照セットが与えられた場合、生成品質の改善に重点を置いている。 しかし、現在の参照グリフがターゲットスタイルを表現するのに不十分な場合、少数ショットフォント生成は満足のいく結果を出さない可能性がある。 現実的なシナリオでは、必要であればデザイナから追加の参照グリフを取得することができる。 そこで本研究では,Few-Shot Font Generation におけるActive Reference Acquisition という新たなフレームワークを提案する。 さらに,設計者に対して効率的に問い合わせを行うための参照部分被覆に基づく取得関数を提案する。 フォントスタイルが局所的な構造的部分によって特徴付けられるという観察に触発されて、各グリフを局所的な特徴のヒストグラムを用いて表現し、参照集合の期待部分カバレッジを最大化するクエリ文字を選択する。 提案手法は,現在参照にカバーされていない部分を含む文字を優先することにより,参照集合内の視覚的部分の多様性を段階的に拡張する。 その結果、より少ないクエリで生成品質が向上する。 Google Fontsデータセットの実験により、提案手法はランダムなクエリや参照非依存のベースラインよりも高い生成品質を実現することが示された。 コードはhttps://github.com/matsuo-shinnosuke/ActiveRef-FontGenで入手できる。

関連論文リスト

• DRG-Font: Dynamic Reference-Guided Few-shot Font Generation via Contrastive Style-Content Disentanglement [11.163084437117488]
  本稿では,スタイルとコンテンツ埋め込み空間を分解して複雑なグリフ属性を学習する,対照的なフォント生成戦略であるDRG-Fontを紹介する。 提案手法は、複数の視覚的および分析的ベンチマークにおいて、最先端のアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2026-04-15T12:34:46Z)
• 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)
• 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)
• 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)
• XMP-Font: Self-Supervised Cross-Modality Pre-training for Few-Shot Font Generation [13.569449355929574]
  本稿では,自己教師型クロスモダリティ事前学習戦略とクロスモダリティトランスフォーマーを用いたエンコーダを提案する。 エンコーダは、グリフ画像と対応するストロークラベルとを共同で条件付けする。 1つの参照グリフしか必要とせず、2番目のベストよりも28%低い数ショットフォント生成タスクにおいて、悪いケースの最低率を達成する。
  論文  参考訳（メタデータ） (2022-04-11T13:34:40Z)

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。