基于GAN的字体风格迁移 | CVPR 2018论文解读
本文研究的问题看上去没啥亮点，但在实际应用中，很多设计师在设计海报或者电影标题的字体时，只会创作用到的字母，但想将风格迁移到其他设计上时，其他的一些没设计字母需要自己转化，造成了不必要的麻烦。 如何从少量（5 个左右）的任意类型的艺术字中泛化至全部 26 个字母是本文的难点。本文通过对传统 Condition GAN 做扩展，提出了 Stack GAN 的两段式架构，首先通过 Conditional GAN #1 根据已知的字体生成出所有 A-Z 的字体，之后通过 Conditional GAN #2 加上颜色和艺术点缀。 如果你对本文工作感兴趣，点击底部的阅读原文即可查看原论文。 关于作者：黄亢，卡耐基梅隆大学硕士，研究方向为信息抽取和手写识别，现为波音公司数据科学家。 ■ 论文 | Multi-Content GAN for Few-Shot Font Style Transfer ■ 链接 | https://www.paperweekly.site/papers/1781 ■ 源码 | https://github.com/azadis/MC-GAN 论文动机 在很多 2D 宣...
