Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
SmartFont는 적은 샘플(Few-shot) 폰트 생성을 위한 새로운 확산 기반 프레임워크입니다. 이 모델은 글로벌 콘텐츠-스타일 생성과 약하게 지도되는 지역 교정 전문가를 결합하여, 전역적 구조와 세밀한 지역 스타일 충실도를 동시에 확보합니다. 이를 통해 명시적인 구성 요소 조건부 추론 없이도 고품질의 폰트 생성이 가능함을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기적은 샘플(Few-shot) 폰트 생성을 위해서는 전역적인 구조적 완전성(global structural completeness)과 세밀한 지역 스타일 충실도(fine-grained local style fidelity)가 동시에 요구됩니다. 기존 방법들은 보통 글로벌 콘텐츠-스타일 모델링에 의존하여 견고하지만 분리가 불완전하거나, 구성 요소/지역 모델링을 강조하여 세부 사항은 포착하지만 지역 사전 지식(local priors)과 참조 범위에 크게 의존하는 경향이 있습니다. 우리는 핵심 과제가 단순히 더 순수한 조건을 학습하는 것이 아니라, 생성 과정 중 다단계 할당(multi-level allocation)을 통해 상호 보완적이면서도 편향된 글로벌 및 로컬 조건들을 조직화하는 것임을 주장합니다. 이를 위해, 우리는 SmartFont를 제안합니다. 이는 글로벌 콘텐츠-스타일 생성과 약하게 지도되는 지역 교정 전문가(weakly supervised local corrective experts)를 결합한 확산 기반의 적은 샘플 폰트 생성 프레임워크입니다. 로컬 브랜치는 약한 구성 요소 감독 하에 전문가별 지역 개념 및 의미론적으로 유의미한 공간 맵을 학습함으로써, 명시적인 구성 요소 조건부 추론이 필요하지 않은 상태에서 세밀한 교정을 수행합니다. 그 위에, 노이즈 제거 상태 조건 할당 모듈(denoising-state condition allocation module)은 시간 단계와 주입 블록 전반에 걸쳐 글로벌 콘텐츠, 글로벌 스타일, 그리고 지역 교정 특징을 적응적으로 가중치를 부여합니다. 광범위한 실험 결과는 SmartFont가 더 나은 글로벌-로컬 균형을 달성하고, 글리프 품질과 지역 세부 사항 충실도를 향상시킨다는 것을 보여줍니다.