SGD-Font：基于风格与字形解耦的单样本字体生成方法

本文提出了一种创新的字形控制扩散模型SGD-Font，通过多尺度风格编码器和交叉注意力融合机制，实现了风格特征与字形结构的有效解耦。该模型采用多条件采样策略，在单样本条件下可生成包含复杂结构的未见风格字体，在跨语言字体生成和风格插值任务中展现出卓越性能，为OCR系统优化和文化遗产数字化保护提供了技术支撑。

　　

^{图像到图像翻译}

字体生成可视为图像到图像翻译任务，通过系列操作实现风格或字形结构的转换。部分研究遵循此范式，利用图像到图像翻译框架实现字体生成。Pix2pix采用条件生成对抗网络（GANs）进行图像到图像翻译任务。基于pix2pix模型，zi2zi和Rewrite使用独热风格标签以监督方式进行字体生成。为克服...

^方法论

本节详细描述我们的单样本字体生成框架。第3.1节概述 proposed 框架，第3.2节详细分析 proposed 生成模型，第3.3节阐述多尺度风格特征提取与融合，第3.4节介绍我们的多条件采样策略。

^实验

本节通过实验评估 proposed 单样本字体生成框架SGD-Font。首先，第4.1节说明实验所用数据集和评估指标；第4.2节详述实验实现细节；第4.3节与其他前沿方法比较以验证本方法优异性能；此外，通过消融实验评估不同设置下的字体生成表现。

^结论

本文提出基于字形控制的扩散模型框架SGD-Font用于单样本字体生成。我们采用多尺度风格编码器提取风格特征，并将其与噪声图像融合到扩散步骤中。这增强了对不同字形的结构控制，有助于更精准学习目标字体风格的表示。通过全面实验评估SGD-Font有效性，定性与定量结果均表明其在单样本字体生成任务中的卓越性能。