基于多层次通道注意力网络的少样本字体生成

作     者：邱燕波 储开斌 张继 冯成涛 Qiu Yanbo;Chu Kaibin;Zhang Ji;Feng Chengtao

作者机构：常州大学微电子与控制工程学院常州213159 常州大学计算机科学与人工智能学院常州213159 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第6期

页      面：173-181页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省基金项目(2019JSJG243) 江苏省高等学校自然科学研究面上项目(19KJB510017) 江苏省研究生科研与实践创新计划项目(KYCX23_3182,YPC23020168)资助 

主　　题：字体生成 生成对抗网络 风格迁移 

摘      要：为提升字体生成的图像质量,减少字体设计的人工成本,提出基于多层次通道注意力网络的少样本字体生成的方法。首先,该方法通过风格感知注意力模块获取重要的局部特征;然后设计了一个多层次的注意力机制,较浅的层只能观察图像的局部特征,而较深的层可以观察到图像的全部特征,通过聚合不同层次的局部特征来构建新的风格特征。最后,使用了内容损失函数、风格损失函数和L 1损失函数优化模型的参数,稳定网络的训练,使生成图像在内容和风格上与目标字体保持一致。实验结果表明,该方法在未知样式的字体和未知内容的字体具有很强的泛化性。相比于其他方法,所提出的方法表现出更好的实验结果,能保持内容结构的完整和字形风格的准确性。