Abstract

字符生成是一个具有挑战性的问题，特别是对于一些由大量字符组成的书写系统，近年来受到了广泛的关注。然而，现有的字体生成方法通常是在监督学习中。它们需要大量的配对数据，这是劳动密集型和昂贵的收集。此外，常见的图像到图像转换模型通常将风格定义为纹理和颜色的集合，这不能直接应用于字体生成。
为了解决这些问题，我们提出了用于无监督字体生成的新型可变形生成网络(DGFont)。我们引入了一种特征变形跳过连接(FDSC)，它预测位移映射对，并利用预测的映射对来自内容编码器的低级特征映射应用可变形卷积。FDSC的输出被送入混合器以产生最终结果。利用FDSC，混合器输出具有完整结构的高质量字符。为了进一步提高生成图像的质量，我们在内容编码器中使用三个可变形的卷积层来学习风格不变的特征表示。实验证明，我们的模型生成的字符质量比现有的方法更高。源代码可以在https://github.com/ecnuycxie/DG-Font上找到。

图1。无监督字体生成结果。参考书法是由书法家所写的一首唐诗，模仿结果是由我们的模型生成的另一首著名唐诗，它具有丰富的细节，如笔尖、连笔、笔画粗细。

1. Introduction

人们每天都要消耗大量的文本来进行信息的传递和存储。字体作为文本的表现形式，与我们的日常生活息息相关。字体生成在许多应用中都是至关重要的，例如字体库创建、个性化手写、无监督字体生成结果。参考书法是由书法家所写的一首唐诗，模仿结果是由我们的模型生成的另一首著名唐诗，它具有丰富的细节，如笔尖、连笔、笔画粗