arXiv cs.AI· Jie Li, Suorong Yang, Jian Zhao, Furao Shen·· 10 小时前AI 评分24
ALD-Font：面向少样本中文字体生成的架构级解耦扩散模型
Disentangle to create: Architecture-level disentangled diffusion model for few-shot Chinese font generation
AI 导读
研究者提出架构级解耦扩散模型 ALD-Font，用非对称设计将 SimSun 字形作为内容模板、目标风格特征作为调制信号注入 U-Net，实现内容与风格的架构级解耦。
正文 · AI 翻译
摘要：少样本中文字体生成旨在仅使用少量参考图像合成目标风格的新字符。要实现准确的内容渲染和忠实的风格迁移，需要有效解耦内容与风格。然而，大多数现有方法仅实现特征级解耦，并允许生成器重新纠缠这些特征，导致内容失真和风格保真度下降。为解决这一问题，我们提出了具有非对称设计的架构级解耦扩散模型（ALD-Font）。U-Net 主干网络以宋体风格字形作为内容模板，与噪声潜变量拼接以构建空间画布。从目标风格图像中提取的风格特征作为调制信号注入，以引导生成。基于对解耦有效性的理论验证，我们采用参数高效微调（PEFT）策略，仅更新与风格相关的模块。这使得模型能够更好地适应新风格，同时在少样本设置下避免对参考图像内容过拟合。此外，我们在像素空间中训练了一个背景噪声去除（BNR）模块，以去除复杂笔画区域中的背景噪声。我们进一步引入了 Grey 和 OCR 指标来评估生成字符的内容质量。实验结果表明，ALD-Font 在保持与现有最先进方法相当的内容准确率的同时，实现了显著更高的风格保真度。实现代码可在 this https URL 获取。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.18874 [cs.CV] |
| （或 arXiv:2602.18874v2 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2602.18874 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1016/j.neunet.2026.109825
链接到相关资源的 DOI |
提交历史
来自：Furao Shen [查看邮箱]
[v1]
2026年2月21日星期六 15:41:06 UTC（5,050 KB）
[v2]
2026年11月4日星期三 04:37:52 UTC（7,616 KB）
来源：arXiv cs.AI · arxiv.org