Font VAE
1.0.0
VAEにはモジュール設計があります。エンコーダー、デコーダー、VAEは、重みを共有する3つのモデルです。 VAEモデルをトレーニングした後、エンコーダーを使用して潜在ベクトルを生成できます。デコーダーは、平均= 0およびstd = 1のガウス分布から潜在ベクトルをサンプリングすることにより、フォント画像を生成するために使用できます。
| エンコーダー | デコーダ |
|---|---|
 |  |
データセットサイズ=トレーニング5000と各クラスごとに1000
幅、高さ= 112、112
フォントサイズ= 25
使用済み文字= "aabbccdeeffgghhiijjkkllmmnnooppqqrrssttuvvwwxxyzyz"
画像はfont2png.pyで生成されます
フォントはGoogleフォントからのものです
| idx | フォント名 | サンプル画像 |
|---|---|---|
| 0 | エブガラモンド |      |
| 1 | PT_SERIF |      |
| 2 | notosans |      |
| 3 | ロボット |      |
| 4 | 義人 |      |
| 5 | バンガー |      |
| 6 | パシフィコ |      |
| 7 | dancingscript |      |
| 8 | Inconsolata |      |
| 9 | VT323 |      |
| エポック | 20 | 50 | 200 |
|---|---|---|---|
| ログ |  |  |  |
| 潜在スペース |  |  |  |
1フレーム= 1バッチ
1エポック= 196バッチ
| エポック= 1 | エポック= 2 | エポック= 3 |
|---|---|---|
 |  |  |
| エポック= 4 | エポック= 5 | エポック= 6 |
 |  |  |
[1] Kingma、Diederik P.、およびMax Welling。 「自動エンコード変異ベイズ。」
[2] Kerasブログ：Kerasの自動エンコーダーの構築
[3]ケラスの例：vae
[4] Erik Bernhardsson。 「深いニューラルネットワークを使用して50Kフォントの分析」
[5] TJ Torres。 「フォンストの航海：敵対的なネットワークを備えた生成フォント」
[6] Julien Despois。 「潜在スペースの視覚化 - ディープラーニングビット＃2」
