研究解读 图像生成 · arXiv 2611.20192
作者 Luozheng Qin 等
GlyphAtlas: Disentangling Stroke Detail from Layout for Scene Text Synthesis
Daily Papers 收录于

把字直接渲染到海报的目标位置作为参考,有个天然限制:海报上某个字只占十来个像素,笔画参考也随之缩小。GlyphAtlas 将每个字或词放进独立格子单独编码,同时保留原来的位置图。

生成时,某个文字区域只读取自己对应的格子,这样既能取回笔画细节,也不容易与邻字串位。作者评估了密集文字、复杂字形和未参与专项训练的语言。读示例时,小字号准确度与背景融合程度是两项不同的检查。

方法图还列出对背景的处理。模型得到一张标明书写位置的掩膜,以及遮掉原字后保留下来的场景图。前者限定可以改动的区域,后者让模型看到原有光照与透视。看生成的招牌时,可以分别检查小字有没有少一笔、招牌周围的原景有没有被一并重画。

原始资料