基于多层次通道注意力网络的少样本字体生成

来源：电子测量技术杂志2024年第6期北京时间：

作者：邱燕波，储开斌，张继，冯成涛

单位：1.常州大学微电子与控制工程学院 常州 213159; 2.常州大学计算机科学与人工智能学院 常州 213159

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L1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。

关键词：字体生成;生成对抗网络;风格迁移

基金资助：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