酷徒LOGO
0 0 评论
  • 显示原文与译文双语对照的内容
文章标签:font  vectors  Vector  COM  
font vectors used for fontjoy.com

  • 源代码名称:fontjoy
  • 源代码网址:http://www.github.com/Jack000/fontjoy
  • fontjoy源代码文档
  • fontjoy源代码下载
  • Git URL:
    git://www.github.com/Jack000/fontjoy.git
  • Git Clone代码到本地:
    git clone http://www.github.com/Jack000/fontjoy
  • Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/Jack000/fontjoy
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
  • 字体矢量

    摘要:字体矢量是一种转移学习形式,可以用于创建新的字体组合。

    http://fontjoy.com 尝试字体配对工具,或者在 http://fontjoy.com/projector/使用tensorboard投影仪- ( 试着用困惑的30 )

    tensorboard visualization

    从图像中提取特征向量不是一个完全的问题,新的概念是。 采取一个图像,把它放在一个固定的特征提取器,并获得一个代表性向量在另一边。 这背后的基本思想在 http://cs231n.github.io/transfer-learning/ 中介绍。

    如果我们使用字体的图像,我们得到一个矢量来编码字体的视觉信息。

    字体矢量是一个基于文本的抽象表示,它是字体的外观。 因为它只是一个向量,我们可以用向量算法来比较不同的字体。

    你可以使用keras中的几行直线创建特征向量:

    
    img_path = 'elephant.jpg'
    
    
    img = image.load_img(img_path, target_size=(224, 224))
    
    
    x = image.img_to_array(img)
    
    
    x = np.expand_dims(x, axis=0)
    
    
    x = preprocess_input(x)
    
    
    
    features = model.predict(x)
    
    
    
    # then use PCA to reduce dimensionality
    
    
    
    

    对于字体比较,设计师经常使用诸如"handgloves"这样的单词,其中包含 typographically。a 和n 等区分字母。 因为记忆词对于机器学习算法不是必需的,所以我使用了一个重要字母网格:

    neural net input

    我把每个变量当作单独的字体,所以权重可以包含在字体向量中。 数据集中有 1883种不同的字体( 来自谷歌 webfonts )

    你可以使用字体矢量进行? 最简单的情况是视觉相似性搜索:

    font similarity

    如果你听说过单词矢量,你可能已经看到类似这样的内容:

    word2vec

    结果你可以做一些类似字体向量的事情:

    font2vec

    font2vec

    通过矢量算法,我们可以分离出象线。obliqueness。重。甚至更抽象的概念。

    字体向量的一个更有趣的事情是字体配对,或者选择在设计中一起工作的字体。

    Uncle sam

    对比字体可以用于强调消息

    pairing examples

    或者引导眼睛创造视觉感。

    字体对背后的核心过程有点相似- 我们希望字体相互对比。 相似的字体会产生不舒适的间隔,但是很大的对比字体看起来是无意中的和无意中的。

    bad example

    对于正确的平衡来说,我们的直觉是直觉的,但是我们可以试着用字体向量缩小。

    这里我们遇到一个小问题- 通常用于矢量比较的标准不能很好地传递这个平衡的概念:

    所有这些都非常适合寻找类似的字体和字体对比字体,但我们理想的MATCH 在相同的度量中具有相似。 因此我们必须建立我们自己的相似性度量:

    contrast distance

    这只是余弦距离分成两部分- 正位和负位。 通过这样做,我们的相似性度量将奖励相似性和差异性- IE。 我们会得到一些在某些方面非常相似但在其他方面却非常不同的字体。

    这种方式产生的对比对并不总是协同工作,但是命中率令人惊讶。

    fontjoy demo

    正文文本的另一个考虑因素是易读性- 很多适合标题的字体在小尺寸上不可以读。 我们可以尝试优化字体的可读性以达到最佳的效果,同时将正文字体的可读性作为次要因素来调整。

    有关这里系统的演示,请参见 http://fontjoy.com。 原始数据可以通过tensorflow嵌入投影仪在 http://fontjoy.com/projector/ 查看。



    文章标签:COM  font  Vector  vectors  

    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备17041772号-2  |  如果智培  |  酷兔英语  |  帮酷