search

yeungchenwa / FontDiffuser

[AAAI2024] FontDiffuser: One-Shot Font Generation via Denoising Diffusion with Multi-Scale Content Aggregation and Style Contrastive Learning
https://yeungchenwa.github.io/fontdiffuser-homepage/
231 stars 21 forks source link

数据集相关问题 #45

Open Goldatch opened 3 months ago

Goldatch commented 3 months ago

您好，这个项目真的太牛了，我想要自己训练一下，但是不知道这个项目数据集的那424种字体的选取有什么特别的考虑吗。还是说从公开字库里随机下载的这些字体并没有什么考虑。如果是有特别进行挑选的话，是个什么挑选策略呢

yeungchenwa commented 3 months ago

@Goldatch 您好，感谢您对本项目的关注，我们文章提到的数据集对于字体的选择是没有特殊的考虑的，我们在实验过程中是直接在公开字库中进行随机选取的；当然依照我们的经验，当训练数据的字体风格越多样，字的复杂度多样，模型的鲁棒性会更好～

Note-Liu commented 2 months ago

@Goldatch 您好，感谢您对本项目的关注，我们文章提到的数据集对于字体的选择是没有特殊的考虑的，我们在实验过程中是直接在公开字库中进行随机选取的；当然依照我们的经验，当训练数据的字体风格越多样，字的复杂度多样，模型的鲁棒性会更好～

When using TTF to generate font images, does the absence of certain Chinese characters in a TTF file affect training? Must font images for each style be complete? Thx.

yeungchenwa commented 2 months ago

@Goldatch 您好，感谢您对本项目的关注，我们文章提到的数据集对于字体的选择是没有特殊的考虑的，我们在实验过程中是直接在公开字库中进行随机选取的；当然依照我们的经验，当训练数据的字体风格越多样，字的复杂度多样，模型的鲁棒性会更好～

When using TTF to generate font images, does the absence of certain Chinese characters in a TTF file affect training? Must font images for each style be complete? Thx.

Hi @Note-Liu It is no need to enable the font images for each style be complete.