在线留言 | 联系我们
通过少量示例生成新字体的FFG(few-shotfont)，因持续增加人工成本而遭到越来越多的关注。典型的FFG管道将标准图标库中的数组视为内容字形木匾字体，并借助从参考字形提取样式信息将他们转移到新的目标字体。大多数现有的缓解方案明确地全局或模块地分离参考符号的内容和颜色。而字形的色调主要表现在局部细节上，即偏旁、组份、笔画的格调共同绘制了一个字形的风格。因此，即使是单个字符也可以包括分布在空间位置上的不相同式。在本文中，我们强调了一种新的字体生成方式:1)从参考文献中学习细粒度的局部形状，2)内容和参考符号之间的空间对应关系。因此，内容符号中的每个空间位置都可以使用恰当的细粒度样式分配。为此，我们引入对内容符号表示的交叉关注成为查询，并将引用符号表示成为键和值。交叉注意模式不应该显式地分解全局或模块建模木匾字体，而是可以处理参考符号中恰当的局部形状，并将参考材质聚合为给定内容符号的细粒度样式表示。实验结果证实，该办法在FFG中的性能优于现有技巧。特别是，用户研究还说明，我们的方式的风格一致性明显优于当时的方式。
图1。我们强调了细粒度的局部风格提取和风格聚合过程。我们强调的模块支持从引用中细粒度地提取颜色，并学习内容和引用之间的对应关系，从而以高保真度将相应的局部形状聚合到内容中的恰当位置。
1.
在现代，计算机平台和人类都要处理长期的文本信息。字体，文本的表示，因此发挥了关键作用&
