Verbesserte Übersetzungen im Stil
Verbesserte chinesische Migration für Schriftartstil basierend auf EMD
Netzwerke:
Limition:
- Das EMD -Modell wandelt die ursprüngliche Schriftart in eine Vektordarstellung durch einen Stil -Encoder um. Im Wesentlichen soll ein migrationsnetzwerk im bedingten Schriftstil geschult. Der Stileingang wird nur als Bedingung erzeugt. Auf diese Weise wird das geschulte Modell ein sehr schlechtes Ergebnis erzielen, wenn es Stilschriften trifft, die nicht im Trainingssatz erscheinen.
- Andererseits verwendet EMD feste Triple -Schriftart -Bilder für das Training, wodurch die Stilübertragung willkürlicher Schriftbilder bis zu einem gewissen Grad löst. Aufgrund der Einschränkungen von Dreifachbildern benötigt jede Schriftart die gleiche Schriftart und da die Bilder einer bestimmten Schriftart weniger schlechte Ergebnisse haben.
Verbesserung:
- Verwenden Sie Style -Encoder als echter Stil -Encoder, um den resultierenden Stil kontinuierlich in das Decoder -Netzwerkmodul einzugeben und die Schriftstil -Migration unbekannter Stile bis zu einem gewissen Grad zu lindern. In besonderen Fällen sind beispielsweise die Schriftarten derselben Bilder im Trainingssatz sehr selten, was die Ergebnisse des ursprünglichen Modells erheblich verbessern kann.
- Fügen Sie GaN -Verlust hinzu und trainieren Sie zwei Diskriminatoren. Ein Diskriminator wird verwendet, um zu bestimmen, ob die erzeugte Schriftart mit der Eingangsschrift übereinstimmt, und der andere Diskriminator wird verwendet, um festzustellen, ob die generierte Schriftart mit der Schriftstil -Schriftart übereinstimmt. Gleichzeitig werden die ursprünglichen Stilinformationen aufgrund der vorhandenen konstanten Stilinformationen eingegeben und als Gegenbeispiel beurteilt.
- Das Modell kann auf eine unbeaufsichtigte Migration im Schriftarten im Schriftstil erweitert werden, die erzeugten Schriftarten erneut in den Generator schleifen und die entgegengesetzte Transformation durchführen, um einzuschränken.
Beispiele:
Referenzen:
- Trennstil und Inhalt für verallgemeinerten Stiltransfer. Yexun Zhang, Ya Zhang, Wenbin Cai.
- Willkürlicher Stiltransfer in Echtzeit mit adaptiver Instanznormalisierung. Xun Huang, Serge
- Eine stilbasierte Generatorarchitektur für generative kontroverse Netzwerke. Tero Karras, Samuli Laine, Timo Aila.
