Γραμματοσειρά | Font | Μηχανική Μάθηση | Machine Learning | Βαθιά Μάθηση | Deep Learning | Κατασκευή Γραμματοσειρών | Font Construction | Μεταφορά στυλ | Style Transfer
1
1
31
Εικόνες: 8, Σχήματα: 35, Πίνακες: 8
Οι γραμματοσειρές αποτελούν ένα πολύ σημαντικό παράγοντα που καθορίζει το ύφος ενός κειμένου (π.χ. σοβαροφανές, παιδικό, χιουμοριστικό, καλλιτεχνικό). Ο δημιουργός μιας γραμματοσειράς (type designer ή font developer), ανάλογα με τις απαιτήσεις που έχε ορίσει, εφαρμόζει τις δεξιότητές του στο να σχεδιάσει μια γραμματοσειρά λαμβάνοντας υπόψιν διάφορους παράγοντες όπως το πλάτος, το ύψος, τη κλίση των χαρακτήρων, τις αποστάσεις που πρέπει να τηρούνται μεταξύ τους καθώς και διάφορα άλλα χαρακτηριστικά που θα αναλυθούν σε αυτή την εργασία. Παράλληλα, η διατήρηση αυτών των χαρακτηριστικών στο σύνολο των χαρακτήρων μιας γραμματοσειράς είναι ιδιαίτερα σημαντική αλλά και χρονοβόρα διαδικασία. Αυτό έχει ως αποτέλεσμα πολλοί δημιουργοί γραμματοσειρών να επικεντρώνονται στο σχεδιασμό των απολύτως αναγκαίων συμβόλων για την ικανοποίηση των απαιτήσεων και την επίτευξη του σκοπού τους. Ένα χαρακτηριστικό παράδειγμα είναι η σχεδίαση γραμματοσειράς για το τίτλο μιας κινηματογραφικής ταινίας, η οποία θα χρησιμοποιηθεί στο διαφημιστικό της poster.
Η παραπάνω προσέγγιση εισάγει ένα βασικό πρόβλημα. Η συγγραφή νέου κειμένου ή η τροποποίηση ενός κειμένου που εφαρμόζει μια ελλιπής γραμματοσειρά, δηλαδή μια γραμματοσειρά που περιέχει μόνο ένα υποσύνολο χαρακτήρων ενός αλφαβήτου μιας γλώσσας, είναι ιδιαίτερα δύσκολη έως αδύνατη, καθώς θα πρέπει να σχεδιαστούν οι χαρακτήρες που ενδεχομένως δε συμπεριλήφθηκαν κατά την αρχική σχεδίαση. Ειδική περίπτωση αποτελεί η ανάγκη συγγραφής κειμένου σε διαφορετική γλώσσα από τη γλώσσα της επιθυμητής γραμματοσειράς.
Η παρούσα πτυχιακή εργασία πραγματεύεται το προαναφερόμενο πρόβλημα. Πιο συγκεκριμένα, θα ασχοληθούμε με την ανάλυση, σχεδίαση και υλοποίηση ενός συστήματος, βασισμένο σε μεθόδους βαθιάς μηχανικής μάθησης, το οποίο με είσοδο μια ελλιπή γραμματοσειρά, θα εξάγει κάποια από τα προαναφερόμενα χαρακτηριστικά (το στυλ γενικότερα) παρατηρώντας μερικούς από τους χαρακτήρες που περιέχει και κατόπιν θα εφαρμόζει το σύνολο αυτών των χαρακτηριστικών σε χαρακτήρες της Ελληνικής Γλώσσας, συμπληρώνοντας έτσι τη γραμματοσειρά εισόδου με το πλήρες μορφοποιημένο σύνολο Ελληνικών συμβόλων (γράμματα, σημεία στίξης κτλπ).
Font-design is a labor-intensive task that requires a lot of effort to construct individual images of glyphs while maintaining a coherent style throughout the glyph set. Complete fonts that contain glyphs for all Unicode points are very rare. Fonts usually contain glyphs for one or two languages, plus digits, punctuation, and special symbols. Most available fonts contain only glyphs for English (i.e. the ASCII set). Therefore, while one can easily find and download a vast collection of impressive free fonts from several Internet sites, if one wishes to use them in languages other than English, there exists the need to fill the missing code points with glyphs that maintain the style of the font. Not a simple task, but there are several methods to achieve that.
This paper addresses the problem for the Modern Greek language. It presents the application of a machine learning method to create Greek glyphs from fonts that contain only English-language glyphs. The presented method makes use of the FTransGAN architecture, that has already been used successfully to transfer font styles to Chinese characters. However, this is the first time it is trained and tested for Greek.
FTransGAN is a few-shot font generation architecture based on convolutional neural networks and attention mechanisms, utilizing two discriminators (for content and style) and a generator (also encoding content and style) to generate the image of the target glyph. A dataset of 612 publicly available English-Greek fonts were used for the training of the model. And another set of 26 fonts was used for the testing process. Although the mean measured accuracy in the best experiment was 88% (i.e. not extremely impressive), the images of the constructed glyphs were quite accurate visually and the method seems very promising for further fine-tuning and/or retraining with bigger datasets.
The paper presents the method, the developed system, and the experimental results. The system is intended to be used as a standalone application or as a web-service where one can upload an English-only font and download an English-plus-Greek version of the same font.
Περιγραφή: HOU-CS-UGP-2021-2_CHRISTOU_NEKTARIOS.pdf (pdf) Book Reader
