paper:https://arxiv.org/pdf/2301.10008.pdf
title: Few-shot Font Generation by Learning Style Difference and Similarity
accepted: arXiv 2023

abstract

少镜头字体生成（FFG）旨在保留原始字符的底层全局结构，同时通过参考一些样本生成目标字体。它已应用于字体库创建、个性化签名等场景。现有的FFG方法明确地将参考字形的内容和风格普遍地或明智地分解。然而，它们忽略了不同风格的字形之间的差异和同一风格的字形的相似性，这导致了局部失真和风格不一致等伪影。为了解决这个问题，我们提出了一种新的字体生成方法，通过学习不同风格之间的差异和相同风格的相似性（DS字体）。我们引入对比学习来考虑风格之间的积极和消极关系。具体来说，我们提出了一种用于风格编码的多层风格投影仪，并通过我们提出的集群级对比度实现了独特的风格表示

图1:DS字体的字体生成结果。左边的汉字是样式图像，右上角的汉字是内容图像。剩下的是由我们提出的DS字体生成的图像。所提出的DS字体保留了原始字符的底层全局结构，同时通过参考一些样本生成目标字体。

1 Introduction

在现代，文本信息是多媒体信息的一种基本形式，与我们的生活息息相关。字体被用作单词的视觉解释，在互联网和人们