Font VAE

FONT-VAE : 컨볼 루션 신경 네트워크를 갖는 변형 자동 인코더를 사용한 글꼴 모양 분석

---

VAE 아키텍처

VAE에는 모듈 식 디자인이 있습니다. 인코더, 디코더 및 VAE는 가중치를 공유하는 3 가지 모델입니다. VAE 모델을 훈련 한 후, 엔코더를 사용하여 잠재 벡터를 생성 할 수 있습니다. 디코더는 평균 = 0 및 std = 1 인 가우스 분포에서 잠복 벡터를 샘플링하여 글꼴 이미지를 생성하는 데 사용될 수 있습니다.

인코더	디코더

---

중고 데이터 세트

데이터 세트 크기 = 열차 5000 및 각 클래스 당 1000
너비, 높이 = 112, 112
글꼴 크기 = 25
중고 문자 = "aabbccddeeffgghhiijkklmmmnnooppqqrrssttuuvvwwxxyyzz"
이미지는 font2png.py로 생성됩니다
글꼴은 Google 글꼴에서 나온 것입니다

idx	글꼴 이름	샘플 이미지
0	ebgaramond
1	PT_SERIF
2	노토 산
3	로봇
4	의로운
5	뱅커
6	Pacifico
7	댄서 스크립트
8	insonsolata
9	VT323

---

역사를 불러 일으킨다

시대	20	50	200
통나무
잠재 된 공간

---

에포크에서의 훈련 진행

1 프레임 = 1 배치
1 epoch = 196 배치

에포크 = 1	에포크 = 2	에포크 = 3
에포크 = 4	에포크 = 5	에포크 = 6

---

3 차원의 잠복 공간으로 실험하십시오

---

참조 :

[1] Kingma, Diederik P. 및 Max Welling. "자동 인코딩 변형 베이."
[2] Keras Blog : Keras에서 자동 인코더 구축
[3] 케라 예 : VAE
[4] Erik Bernhardsson. "깊은 신경망을 사용하여 50k 글꼴 분석"
[5] TJ Torres. "팬티스틱 항해 : 대적 네트워크가있는 생성 글꼴"
[6] Julien Despois. "잠재 우주 시각화 - 딥 러닝 비트 #2"