基于去噪扩散模型与部件级细粒度风格的小样本字体生成方法研究

针对小样本字体生成(FFG)中GAN框架易训练崩溃、难以保持字符内容与风格一致性的问题，研究人员创新性地提出基于去噪扩散概率模型(DDPM)的图像到图像转换方法。通过构建部件级细粒度风格聚合(FGSA)模块和可变形注意力内容聚合(DACA)模块，实现了对汉字笔画、部首等局部特征的精准迁移，在SFUC和UFUC数据集上取得最优性能，为多语言字体生成提供了新范式。

　　

在数字化时代，字体作为视觉传达的核心载体，其设计成本居高不下——尤其是对于包含数万字符的汉字体系，传统人工设计每个字形需耗费数百工时。尽管基于生成对抗网络(GAN)的字体生成方法取得进展，但存在两个致命缺陷：一是训练过程容易崩溃(collapse)，二是在风格迁移中难以平衡全局风格与局部部件(如偏旁部首)的协调性。更棘手的是，现有方法需要为每个新字体重新训练模型，这严重制约了实际应用效率。

针对这些挑战，研究人员提出突破性的解决方案——将去噪扩散概率模型(Denoising Diffusion Probabilistic Model, DDPM)引入字体生成领域。这项工作的核心创新在于：首次将字体生成建模为"噪声到噪声"的渐进式去噪过程，通过精细设计的双模块系统，在保留字符结构完整性的同时实现部件级风格迁移。实验证明，该方法仅需300个参考字符就能生成全套字库，在标准字体和艺术字体生成任务中均显著优于现有技术。

关键技术路线包含三大核心模块：(1)基于汉字部件覆盖率的参考字符筛选系统，从现代汉语常用字表中选取300个高覆盖率字符作为风格参考集；(2)细粒度风格聚合(Fine-Grained Style Aggregation, FGSA)模块，通过分析内容字符与K个参考字符的部件对应关系，实现笔画级别的风格传递；(3)可变形注意力内容聚合(Deformable Attention Content Aggregation, DACA)模块，采用偏移增强的多头注意力机制，在去噪过程的不同阶段自适应嵌入多尺度字形特征。研究团队收集了包含300种字体的中文数据集进行验证，涵盖标准体、书法体和手写体等多样本类型。

【Few-shot font generation】
研究证实，传统GAN框架在少量样本(约500个)条件下难以学习复杂汉字的细粒度风格特征。相比之下，扩散模型通过分阶段去噪策略，能更稳定地捕捉笔画转折、顿挫等细节特征。定量实验显示，该方法在结构相似性(SSIM)指标上提升12.7%，在用户偏好测试中获得83.4%的优选率。

【Method overview】
创新性地构建了"内容-风格参考映射"系统，为每个目标字符自动匹配最相关的K个参考字符。例如，"树"字会优先匹配包含"木"字旁的参考样式。FGSA模块通过交叉注意力机制，将参考字符的部件风格向量加权聚合到内容字符的对应位置，解决了传统方法中风格"平均化"的问题。

【Character dataset】
基于汉字结构分解表构建的300字参考集覆盖了98.2%的常用部件，而2000字内容集则来自现代汉语高频字统计。这种科学设计确保模型能通过组合部件风格生成未见字符，如利用"氵"和"工"的风格合成"江"字的新字体。

【Limitations】
研究也发现两个待改进点：一是对形态相近笔画(如"撇"与"捺")的区分度不足，二是处理行书、草书等连笔字体时效果下降。这主要由于书法字体中同一部件的形态变异度远超训练数据范围。

这项研究为智能字体设计提供了新范式，其价值体现在三方面：技术上首次证明扩散模型在细粒度风格迁移中的优势；应用上实现"300字生成全套字库"的突破；理论上开创了基于部件语义的跨语言字体生成路径。正如论文所述，该方法可扩展至日文、韩文等汉字衍生文字系统，为东亚文字的信息化处理提供通用框架。未来通过引入书法家的创作规则知识，有望进一步突破艺术字体生成的瓶颈。