지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
In recent years research on automatic font generation with machine learning mainly focus on using transformation-based methods, in comparison, generative model-based methods of font generation have received less attention. Transformation-based methods learn a mapping of the transformations from an existing input to a target. This makes them ambiguous because in some cases a single input reference may correspond to multiple possible outputs. In this work, we focus on font generation using the generative model-based methods which learn the buildup of the characters from noise-to-image. We propose a novel way to train a conditional generative deep neural model so that we can achieve font style control on the generated font images. Our research demonstrates how to generate new font images conditioned on both character class labels and character style labels when using the generative model-based methods. We achieve this by introducing a modified generator network which is given inputs noise, character class, and style, which help us to calculate losses separately for the character class labels and character style labels. We show that adding the character style vector on top of the character class vector separately gives the model rich information about the font and enables us to explicitly specify not only the character class but also the character style that we want the model to generate.
목차
등록된 정보가 없습니다.
참고문헌 (22)
참고문헌 신청
I. J. Goodfellow / 2014 / Generative adversarial networks / NIPS, Proc. of Neural Information Processing Systems :2672~2680
S. Reed / 2016 / Generative adversarial text to image synthesis / arXiv preprint 1605. 05396
P. Isola / 2017 / Image-to-Image translation with conditional adversarial networks / CVPR, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition
J. Brownlee / Tips for Training Stable Generative Adversarial Networks
Y. Choi / 2018 / StarGAN : Unified generative adversarial networks for multi-domain image-to-image translation / CVPR, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition
S. Reed / 2016 / Generative adversarial text to image synthesis / arXiv preprint 1605. 05396
P. Isola / 2017 / Image-to-Image translation with conditional adversarial networks / CVPR, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition
J. Brownlee / Tips for Training Stable Generative Adversarial Networks
Y. Choi / 2018 / StarGAN : Unified generative adversarial networks for multi-domain image-to-image translation / CVPR, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
감정 기반 키워드 속성값 산출에 따른 글꼴 추천 서비스
멀티미디어학회논문지
2022 .08
-
한글 글꼴 등록 시스템을 위한 글꼴 모양 분류체계 표준화 연구
멀티미디어학회논문지
2017 .03
-
감정 기반 글꼴 추천 시스템을 위한 매핑 모델 설계 및 적용
멀티미디어학회논문지
2023 .10
-
CNN 기반 이미지 임베딩 모델을 이용한 한글 획요소 기반 유사 글꼴 추천 기법
멀티미디어학회논문지
2023 .02
-
글꼴 분류를 위한 한글 글꼴의 모양 특성 연구
멀티미디어학회논문지
2017 .09
-
Top-K Training of Few-shot Font Style Transfer
한국통신학회 학술대회논문집
2025 .02
-
한글 글꼴 추천시스템을 위한 크라우드 방식의 감성 속성 적용 및 분석
멀티미디어학회논문지
2017 .04
-
Find Your Font : 사용자 맞춤형 폰트 추천 프로그램
한국정보과학회 학술발표논문집
2016 .06
-
딥러닝 학습을 이용한 한글 글꼴 자동 제작 시스템에서 글자 쌍의 매핑 기준 평가
멀티미디어학회논문지
2020 .07
-
딥러닝을 활용한 콘텐츠 내 텍스트 폰트 저작권 검출 모델 연구
멀티미디어학회논문지
2023 .12
-
전처리를 통해 향상된 DM-Font 기반의 사용자 손글씨 글꼴 제작 시스템
Proceedings of KIIT Conference
2021 .06
-
Font Generation System Development based on Few-shot Font Generation Model
Journal of KIISE
2025 .01
-
블로그 게시물에서 감정분석을 통한 폰트 추천 서비스의 개발
멀티미디어학회논문지
2023 .12
-
글꼴 유사도 판단을 위한 한글 형태소의 글자 크기별 영향력 검증 및 분석
멀티미디어학회논문지
2022 .08
-
한글 글꼴 유사성 판단을 위한 획 요소 속성의 영향력 분석
멀티미디어학회논문지
2020 .12
-
GAN 기반 폰트 생성
한국컴퓨터정보학회 학술발표논문집
2019 .07
-
날씨에 따른 한글 폰트 윤곽선 벡터 변형 알고리즘
멀티미디어학회논문지
2022 .09
-
한글 획요소 추출 학습에서 적용 글자의 확장에 따른 추출 성능 분석
멀티미디어학회논문지
2020 .11
-
Deep Style Transfer를 이용한 한글 글꼴 생성 연구
한국정보과학회 학술발표논문집
2019 .06
-
Infrared image generation based on Conditional Generative Adversarial Networks
한국지능정보시스템학회 학술대회논문집
2021 .12
이 논문의 저자 정보
최근 본 자료
댓글(0)
0