-
公开(公告)号：CN118537434A
公开(公告)日：2024-08-23
申请号：CN202310148097.X
申请日：2023-02-22
Applicant: 北京大学
IPC: G06T11/20 , G06T3/04 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公布了一种基于有向距离函数的矢量字体生成方法，基于有向距离函数的矢量字形重建模型；重建模型包括图像编码器、距离场参数解码器、图像重建解释器和矢量重建解释器；对于任意一个字形输入，预计算得到有向距离场；将字形图片送入图像编码器中，得到字形的特征信息；将字形的特征信息送入距离场参数解码器中，得到有向距离函数的参数；进一步还原得到字形图像，从而实现字形的可微分栅格化；进一步重建字形矢量外轮廓；得到按对应比例新字体该字母的字形特征值，并生成对应的新字形矢量外轮廓，即可生成新字体。采用本发明的技术方案，可实现基于风格融合和少样本的矢量字形生成。
-
公开(公告)号：CN114332260A
公开(公告)日：2022-04-12
申请号：CN202111635060.7
申请日：2021-12-29
Applicant: 北京大学
Abstract: 本发明公布了一种基于分块编码与Transformer的中文字形字库自动生成方法及系统，包括第一阶段模型和第二阶段模型；基于分块编码的字形图片编码方法和基于Transformer的少样本高质量字形图片生成方法；通过设计用于降低Transformer计算成本的分块编码，只需要少量用户图片作为参考，将字形图片编码为适用于Transformer生成的序列格式，再使用Transformer生成带有目标风格的高分辨率汉字字形图片，最后对字形图片进行矢量化，得到完整的中文字形和字库文件。采用本发明技术方案，只需要少量用户图片作为参考，能够生成用户指定风格的高分辨率的字形图片和中文字库。
-
公开(公告)号：CN114298181A
公开(公告)日：2022-04-08
申请号：CN202111555201.4
申请日：2021-12-17
Applicant: 北京大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80
Abstract: 本发明公布了一种基于双模态学习的矢量字体生成方法，构建双模态学习的矢量字体生成模型DeepVecFont，包括图像编码器、序列编码器、图像解码器、序列解码器；通过学习少量参考字符的字形矢量图和字形位图两个模态的风格特征并进行模态融合，得到融合后统一的字体风格特征；再将融合后的字体风格特征输送到序列解码器和图像解码器中生成目标字符的矢量图和位图；进一步可通过可微分栅格化方法修正矢量字形，对生成的目标字符的字形矢量图进行修正，即得到矢量字体。本发明方法利用了字形位图和矢量图两种模态信息，并可修正生成的矢量字形中存在位置偏移问题，提升矢量字体生成的性能和精度。
-
公开(公告)号：CN108376244B
公开(公告)日：2022-03-25
申请号：CN201810104830.7
申请日：2018-02-02
Applicant: 北京大学
IPC: G06V30/148 , G06V10/22 , G06V10/26 , G06V10/70 , G06V30/413 , G06N3/08 , G06T7/90
Abstract: 本发明公布了一种自然场景图片中的文本字体的识别方法，通过图片合成方法获得大量融合不同字体文本的具体类似真实效果的自然场景图片，利用图片训练得到字体识别器和文本定位器，通过文本定位器从互联网图片中定位出更多文本图片，再利用迁移学习方法，通过字体识别器从图片中进一步学习，进一步提高识别的准确度。本发明采用自动合成高质量训练图片的方案，避免了耗时耗力的人工标注，大幅度降低成本，使得字体分类器具有更好的识别精度。此外，本发明引入迁移学习方法，充分利用大量无字体标签的图片，进一步增强字体分类器的准确度。
-
公开(公告)号：CN110738715B
公开(公告)日：2021-07-09
申请号：CN201810796815.3
申请日：2018-07-19
Applicant: 北京大学
Abstract: 本发明公布了一种基于样例的动态文本特效的自动迁移方法，输入包含素材文本图、素材动态特效字或素材风格动画和目标文本图的一组样例；依据素材风格动画中的动态风格及目标文本图中的文本内容，通过关键帧提取、时空相干性构建、基于改进PatchMatch的纹理合成的方法，使得素材风格动画中的文本特效充分迁移到目标文本中，保持整体及细节的纹理风格，自动生成动态效果生动逼真、自然流畅的目标动态特效字/目标风格动画；目标风格动画由多帧目标风格图构成。本发明能够解决目标风格动画中纹理闪烁、抖动的时序问题，解决复杂流体特效效果丢失、迁移不完整的外观问题，保证各帧的纹理连续性。
-
Patent Agency Ranking
公开(公告)号：CN110443864B
公开(公告)日：2021-03-02
申请号：CN201910670478.8
申请日：2019-07-24
Applicant: 北京大学
Abstract: 本发明公布了一种基于单阶段少量样本建模学习的艺术字体自动生成方法，建立网络模型(AGS‑Net)，针对已有的完整的合成艺术字体字库，预训练网络模型(AGS‑Net)，使模型能够从风格参考集输入中提取风格特征、从内容参考集输入中提取内容特征以及合成指定风格和内容的风格化字符；利用只有少量样本的设计师设计的艺术字体字库对网络模型AGS‑Net进行微调；通过训练完成的网络模型AGS‑Net生成完整的艺术特效字体字库。本发明的网络模型规模、参数量较小。采用本发明技术方案，能够在任何的语言系统上扩展，不局限于特定的语言，能够达到最佳的艺术字体自动合成效果。
-
公开(公告)号：CN107644006B
公开(公告)日：2020-04-03
申请号：CN201710908121.X
申请日：2017-09-29
Applicant: 北京大学
IPC: G06F40/109 , G06K9/68 , G06N3/04
Abstract: 本发明公布了一种基于深度神经网络的手写体中文字库自动生成方法，通过少量手写体汉字进行字体特征重建，建立字体风格迁移网络，通过字体风格迁移网络估计用户未书写字形的字体风格特征，将参考字体的字形内容与用户书写风格结合，迁移到目标手写体风格，生成目标字形图片，从而得到完整的字库中文手写体字库。本发明方法是一种端到端的生成方法，不需要对汉字进行笔画或部件提取，也不需要人工干预，生成高质量的汉字字形，极大地提高了手写体字库制作的效率，使得个性化字库的生成变得简单方便，能够满足普通人对于个性化手写体字库的需求，加快个性化字库的发展进程。
-
公开(公告)号：CN110443892A
公开(公告)日：2019-11-12
申请号：CN201910675788.9
申请日：2019-07-25
Applicant: 北京大学
Abstract: 本发明公布了一种基于单张图像的三维网格模型重建方法及装置，单张图像可为自然图像或物体的轮廓图，根据用户提供的单张图像，完全自动化地生成与之形状匹配一致的三维模型。包括：语义分割、前景提取、形状特征提取、视角预测、三维模型训练、点云封装表面网格，从而重建生成三维网格模型。本发明能够极大地加快三维模型设计的时间，使得设计三维模型时只需在生成的三维模型的基础上精修即可得到目标模型。
-
公开(公告)号：CN110288667A
公开(公告)日：2019-09-27
申请号：CN201810224267.7
申请日：2018-03-19
Applicant: 北京大学
Abstract: 本发明公布了一种基于结构引导的图像纹理迁移方法，输入包含素材语义图、素材风格图和目标语义图的一组样图，通过显著结构信息提取、结构信息传播、引导性的纹理合成等步骤，使得纹理迁移后仍能保持内部结构信息、底层细节信息，由此自动生成与目标语义图内容一致且具备素材风格图的纹理风格的目标风格图。本发明方法通过显著性结构纹理引导的方式解决了目标风格图中结构信息丢失的问题，通过语义引导项为用户提供了控制纹理形态、位置的接口，解决了用户交互性的问题，通过改进的最近邻搜索匹配方法提高了生成图片质量。
-
公开(公告)号：CN109635883A
公开(公告)日：2019-04-16
申请号：CN201811376244.4
申请日：2018-11-19
Applicant: 北京大学
CPC classification number: G06K9/6828 , G06F17/214 , G06N3/0454 , G06N3/08 , G06T11/60
Abstract: 本发明公布了一种手写体中文字库的自动生成方法，基于深度堆叠网络和结构信息指导，通过书写轨迹合成阶段和字体风格渲染阶段，采用两阶段的卷积神经网络G对汉字骨架流场进行预测；首先从用户书写的少量手写体汉字对书写风格进行学习，从而合成未书写汉字的书写轨迹；并渲染为目标的手写体风格；再生成具备该用户书写风格的完整的GB2312中文手写体字库文件。本发明方法可实现同时保证生成字形的结构准确性和风格一致性，简单高效，成本低，质量高，能够满足普通人快速制作个性化手写体字库的实际应用需求。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.029 seconds)
