lffont下载 - lffont源代码下载

lffont

字体下载

1.0.0

下载

几乎没有局部样式表示和分解的字体生成（AAAI 2021）

注意：我们发布了统一的少数字体生成存储库（Clovaai/Lighshot-font Feneration）。如果您有兴趣使用我们的实施，请访问统一存储库。

LF-FONT的官方Pytorch实施|纸|纸（PAMI扩展）

Song Park ^1* ，Sanghyuk Chun ^2* ，Junbum Cha ² ，Bado Lee ² ，Hyunjung Shim ¹
_{*同等的贡献}

¹_{伊桑斯大学综合技术学院}
² _{Clova AI研究，Naver Corp.}

自动发射字体生成的需求很高，因为手动设计对设计师的专业知识昂贵且敏感。现有的少量字体生成的方法旨在学习将样式和内容元素从几个参考字形中解散，并主要关注每种字体样式的通用样式表示。但是，这种方法限制了模型代表多种本地样式，因此使其不适合最复杂的字母系统，例如中文，其字符由具有高度复杂结构的各种组件（通常称为“激进”）组成。在本文中，我们通过学习局部样式（即组件样式表示）而不是通用样式提出了一种新颖的字体生成方法。提出的样式表示使我们能够在文本设计中综合复杂的本地细节。但是，仅从参考字形的学习组件样式就在几种字体生成的情况下是不可行的，当目标脚本具有大量的组件，例如，中文超过200个。为了减少参考字形的数量，我们以低级别矩阵分数的启发来简化组件因子和样式因子的乘积来简化组件样式。由于强大的表示和紧凑的分解策略的结合，我们的方法比其他最先进的方法显示出比其他最先进的局部先进的字体生成结果（仅具有8个参考文字图像），而无需使用强大的局部性监督，例如，每个组件的位置，骨架或笔触。

您可以在以下链接上找到更多相关的项目：

clovaai/dmfont（ECCV'20）|纸
clovaai/lffont（aaai'21）|纸
clovaai/mxfont（ICCV'21）|纸
clovaai/firshot Font Generation unified Fir-shot Font Generation存储库

介绍

Pytorch实现了具有本地化样式表示和分解的几击字体生成。

先决条件

Python> 3.6
建议使用conda：https：//docs.anaconda.com/anaconda/install/linux/
pytorch> = 1.1 （建议：1.1）
安装：https：//pytorch.org/get-started/locally/
斯科夫
安装：https：//github.com/khanrc/sconf
Numpy，TQDM，LMDB，YAML，JSONLIB，MSGPACK

 conda install numpy tqdm lmdb ruamel.yaml jsonlib-python3 msgpack

用法

准备数据集

构建元文件以转储LMDB环境

要使用您自己的truetype字体文件（ .ttf ）构建数据集，需要一个JSON-Format Meta文件：
- 结构： dict
- 格式：{fontname：{“ path”：path/to/.ttf“，“ charlist”：[chars to dump。]}}}
- 示例：{“ font1”：{“ path”：“ ./fonts/font1.ttf”，“ charlist”：[“春”，“夏”，“秋”，“冬”，“冬”]}}

我们用作内容字体的字体文件可以在此处访问。

运行脚本

 python build_dataset.py 
    --lmdb_path path/to/dump/lmdb 
    --meta_path path/to/meta/file 
    --json_path path/to/save/dict

争论
- -lmdb_path：保存LMDB环境的路径。
- -meta_path：通往已建立元文件的元文件的路径。
- -json_path：保存JSON文件的路径，其中包含可用字体和字符的信息。
  - 保存的JSON文件具有这样的格式：{fontname：[以Unicode格式保存的字符列表]}}

构建元文件进行训练和测试

火车元（ dict，json格式）
- 应该有钥匙； “火车”，“有效”，“可用”
- “火车”：{font：字符列表}对训练， dict
  - 键：字体名称 /值：键字体中的字符列表。
  - 示例：{“ font1”：[“ 4E00”，“ 4E01” ...]，“ font2”：[“ 4E00”，“ 4E01” ...]}
- “ avail”：{font：字符列表}对，在lmdb中可访问， dict
  - 与“火车”的格式相同
- “有效”：字体列表和列表验证字符， dict
  - 应该有键：“ Sew_fonts”，“ unseen_fonts”，“ sigh_unis”，“ unseen_unis”
  - 看到字体（UNIS）：训练集中字体（Unicode中的字符）列表。
  - 看不见的字体（UNIS）：字体列表（Unicode中的字符）未在培训集中进行验证。
- 火车元文件的一个示例是在meta/train.json中。
测试元（ dict，json格式）
- 应该有钥匙； “ gen_fonts”，“ gen_unis”，“ ref_unis”
- “ gen_fonts”：要生成字体列表。
- “ gen_unis”：在Unicode中生成的字符列表
- “ ref_unis”：在Unicode中用作参考字符的字符列表
- 测试元文件的一个示例是在meta/test.json中。

修改配置文件

我们建议修改cfgs/custom.yaml而不是cfgs/default.yaml ， cfgs/combined.yaml或cfgs/factorize.yaml 。

钥匙

use_half
- 是否使用半张量。（最需要）
USE_DDP
- 是否要使用dataDistributedParallel，用于多GPU。
work_dir
- 保存结果的根目录。
data_path
- 数据LMDB环境的路径。
data_meta
- 训练元文件的路径。
content_font
- 您要用作源字体的字体名称。
其他值是用于训练的超参数。

火车

 # Phase 1 training
python train.py 
    NAME_phase1 
    cfgs/custom.yaml cfgs/combined.yaml 

# Phase 2 training
python train.py 
    NAME_phase2 
    cfgs/custom.yaml cfgs/factorize.yaml 
    --resume ./result/checkpoints/NAME_phase1/800000-NAME_phase1.pth

争论
- 名称（第一个参数）：实验的名称。
  - （检查点，验证图像，日志）保存在.//results/（checkpoints，images，logs）/名称中
- 路径/到/config（第二个参数）：到达的路径。
  - 允许多个值，但不应重复其键。
  - CFGS/组合。YAML：用于1阶段培训。
  - CFGS/CriveSize.YAML：用于2阶段训练。
- - 重点（可选）：通往检查点的路径。

测试

 python evaluator.py 
    cfgs/factorize.yaml 
    --weight weight/generator.pth 
    --img_dir path/to/save/images 
    --test_meta meta/test.json 
    --data_path path/to/data

争论
- 路径/到/config（第一个参数）：到达的路径。
- - 重量：测试的节省重量的路径。
- -IMG_DIR：保存生成的图像的路径。
- -test_meta：测试元文件的路径。
- -data_path：通往参考图像的LMDB数据集的路径。

代码许可证

该项目是根据MIT许可分发的，除了https://github.com/nvlabs/funit采用的模块。

 LF-Font
Copyright (c) 2020-present NAVER Corp.

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.

致谢

该项目基于Clovaai/dmfont。

如何引用

 @inproceedings{park2021lffont,
    title={Few-shot Font Generation with Localized Style Representations and Factorization},
    author={Park, Song and Chun, Sanghyuk and Cha, Junbum and Lee, Bado and Shim, Hyunjung},
    year={2021},
    booktitle={AAAI Conference on Artificial Intelligence},
}

@article{park2022lffont_extension,
    author={Park, Song and Chun, Sanghyuk and Cha, Junbum and Lee, Bado and Shim, Hyunjung},
    journal = {IEEE Transactions on Pattern Analysis &amp; Machine Intelligence},
    title = {Few-shot Font Generation with Weakly Supervised Localized Representations},
    year = {5555},
    volume = {},
    number = {01},
    issn = {1939-3539},
    pages = {1-17},
    keywords = {},
    doi = {10.1109/TPAMI.2022.3196675},
    publisher = {IEEE Computer Society},
    address = {Los Alamitos, CA, USA},
    month = {aug}
}

展开

附加信息