Pangjia  Seunghyun Ko  Yang Fang  Geun-sik Jo

10.5626/JOK.2019.46.1.15

이미지와 이미지 번역 폰트 변환 GAN 손실 복합 손실

본 논문에서는 원문 폰트를 특정한 아날로그 폰트 스타일로 변환하는 타이포그래피 변환 문제에 대해 연구한다. 타이포그래피 변환 문제를 해결하기 위해 이 문제를 이미지와 이미지 번역 문제로 치환하고 GAN을 기반으로 한 언밸런스 형 u-net 아키텍처를 제안한다. 기존의 밸런스 형 u-net과는 달리 제안하는 아키텍처는 언밸런스 형 u-net을 포함한 두 개의 서브넷으로 구성된다. (1)언밸런스 형 u-net은의미 및 구조 정보를 유지하면서 특정 글꼴 스타일을 다른 스타일로 변환한다. (2) GAN은 L1 손실, 상수손실 및 원하는 목표 글꼴을 생성하는 데 도움이 되는 이진 GAN 손실을 포함하는 복합 손실 함수를 사용한다. 실험결과 제안하는 모델인 언밸런스 형 u-net이 밸런스 형 u-net 보다 cheat loss에서 빠른 수렴속도와 안정적인 트레이닝 손실을 보였고 generate loss에서 트레이닝 손실을 안정적으로 줄여서 모델 성능 하락 문제를 해결하였다.