Font VAE

Font-VAE: Analisis bentuk font menggunakan autoencoder variasional dengan jaringan saraf konvolusional

---

Arsitektur VAE

VAE memiliki desain modular. Encoder, decoder dan VAE adalah 3 model yang berbagi bobot. Setelah melatih model VAE, encoder dapat digunakan untuk menghasilkan vektor laten. Dekoder dapat digunakan untuk menghasilkan gambar font dengan mencicipi vektor laten dari distribusi Gaussian dengan rata -rata = 0 dan std = 1.

encoder	decoder

---

Dataset yang digunakan

Ukuran Dataset = Latih 5000 & Validasi 1000 per setiap kelas
lebar, tinggi = 112, 112
Ukuran font = 25
karakter bekas = "aabbccddeeffgghhiijjkklmnnnooppqqrrssttuuvvwwxxyyzz"
Gambar dihasilkan dengan font2png.py
Font berasal dari google font

idx	nama font	Contoh gambar
0	Ebgaramond
1	Pt_serif
2	Notosans
3	Roboto
4	Adil
5	Bangers
6	Pacifico
7	Dancingscript
8	Inconsolata
9	VT323

---

Sejarah trainging

masa	20	50	200
log
ruang laten

---

Melatih kemajuan dalam zaman

1 bingkai = 1 batch
1 zaman = 196 batch

zaman = 1	zaman = 2	zaman = 3
zaman = 4	zaman = 5	zaman = 6

---

Bereksperimen dengan 3 ruang laten dimensi

---

Referensi:

[1] Kingma, Diederik P., dan Max Welling. "Bayes Variasional Auto-Encoding."
[2] Blog Keras: Membangun Autoencoders di Keras
[3] Contoh keras: vae
[4] Erik Bernhardsson. "Menganalisis 50k font menggunakan jaringan saraf dalam"
[5] TJ Torres. "Perjalanan Fontastik: Font Generatif dengan Jaringan Periasan"
[6] Julien Despois. "Visualisasi Ruang Laten - Bit Pembelajaran yang Dalam #2"