使用非对称度量学习的自动配对字体制造技术

本公开涉及高效地配对数字字体的非对称字体配对系统。例如，在一个或多个实施例中，非对称字体配对系统自动地标识并向用户提供用于电子文档的不同部分的视觉美学字体对。具体地，非对称字体配对系统使用联合对称和非对称兼容性度量学习来学习视觉美学字体对。另外，非对称字体配对系统向计算设备(例如，客户端设备和服务器设备)提供紧凑的兼容性空间(例如，对称兼容性空间和非对称兼容性空间)，这使计算设备能够快速且高效地向用户提供字体对。

Automatic Paired Font Learning Using Asymmetric Metrics

The present disclosure relates to an asymmetric font matching system for efficiently matching digital fonts. For example, in one or more embodiments, an asymmetric font pairing system automatically identifies and provides users with visual aesthetic font pairs for different parts of an electronic document. Specifically, asymmetric font pairing systems use joint symmetric and asymmetric compatibility metric learning to learn visual aesthetic font pairs. In addition, the asymmetric font matching system provides a compact compatibility space (for example, symmetric compatibility space and asymmetric compatibility space) for computing devices (such as client devices and server devices), which enables computing devices to provide font pairs to users quickly and efficiently.

【技术实现步骤摘要】
使用非对称度量学习的自动配对字体
技术介绍
近年来，计算设备在创建和编辑电子文档中的使用迅速增长。事实上，现在，针对包括企业的个体，利用计算设备来创建数字营销材料、数字杂志、网页、电子邮件和其他电子文档是常见的。另外，计算设备可以辅助个体使用文本、图像和其他视听内容来生成电子文档，以通过电子文档将选择的消息传达给目标观众。尽管计算设备容易帮助个体创建电子文档，但传统的数字出版系统仍然存在使得个体能够制作视觉美学电子文档挑战。电子文档中的视觉美学有助于将电子文档的信息准确传送给目标观众。事实上，电子文档中美学的关键方面是文档中使用的字体以及电子文档不同部分(例如标题和正文)中使用的字体相互配对的程度。然而，传统的数字出版系统无法为个体提供电子文档不同部分之间的视觉美学字体对。传统的数字出版系统由于许多原因而努力提供视觉美学字体对。例如，视觉美学字体对通常是不同的样式。标题字体和正文字体之间(或标题和子标题之间)的细微区别可能非常重要。因此，仅向个体提供包括相似字体的字体对的传统数字出版系统经常不能在电子文档中实现期望的视觉美学结果。作为另一示例，专业设计人员已经建立了用于字体配对的规则列表；然而，这些列表很难形式化，并且可能因设计人员而异。另外，如上所述，字体配对不仅仅是相似性匹配的问题，专业设计人员通常会配对对比字体以及相似的字体。因此，不仅新手设计人员(诸如创建电子文档的日常个体)难以进行字体配对，而且这也是针对传统数字出版系统的挑战。作为另一示例，字体配对是一个非对称的问题，其中构成视觉美学字体对的两个字体不可互换。例如，将作为标题字体的字体A与作为正文字体的字体B进行配对，可以比与将作为标题字体的字体B和作为正文字体的字体A进行配对产生截然不同的视觉美学。再次，简单地向选定的字体提供相似的字体集合不足以向个体提供传递视觉美学电子文档的字体对。由于用于字体配对的挑战，许多传统数字出版系统不提供字体对推荐。一些传统的数字出版系统提供有限数量的预设模板字体对。结果，想要非标准化字体对的个体经常必须基于他们的个人偏好来手动选择他们希望在电子文档中使用的字体对。不是专业设计人员的个体通常很难选择视觉美学的字体对。此外，由于可用字体的数目增加，即使对于专业设计人员，字体配对也是耗时且困难的任务，这导致专业设计人员在各种电子文档中默认使用相同的字体对。更新的发展包括采用神经网络来执行一般的字体推荐。虽然基于神经网络的字体推荐提供了各种优点，但这样的系统通常需要大量的存储器和计算要求。结果，客户端设备，特别是移动设备通常不具备执行这些神经网络的能力。关于使用传统系统和方法来提供数字字体对存在这些和其他问题。
技术实现思路
本公开的实施例利用用于有效地配对数字字体(或简称“字体”)同时考虑字体配对的非对称性的系统、计算机介质和方法来提供益处和/或解决前述或本领域中的其他问题中的一个或多个。例如，所公开的系统采用非对称相似性度量学习来高效地将输入字体与和输入字体配对的字体以协调和一致的方式进行匹配。更具体地说，给定输入字体的公开系统可以跨电子文档的不同部分提供视觉美学字体对，诸如提供与输入正文字体良好配对的各种标题字体的字体对。为了训练非对称字体配对系统，一个或多个实施例涉及为训练字体集合中的字体生成特征向量。在一个或多个实施例中，所公开的系统、计算机介质和方法采用诸如卷积神经网络的神经网络来确定训练字体集合中的字体的特征向量。使用特征向量，所公开的系统、计算机媒体和方法联合地学习针对字体的对称兼容性空间和非对称兼容性空间。在一些实施例中，对称兼容性空间定义第一空间，其中特征向量之间的距离指示数字字体集合的对应数字字体之间的对称兼容性。类似地，在这些实施例中，非对称兼容性空间定义第二空间，其中特征向量之间的距离指示数字字体集合的对应数字字体之间的非对称兼容性。另外，所公开的系统、计算机介质和方法使用对称兼容性空间和非对称兼容性空间来生成评分函数，评分函数确定与输入字体配对的一个或多个字体。另外，所公开的系统、计算机介质和方法可以向计算设备提供对称兼容性空间和非对称兼容性空间，其使得计算设备能够确定与输入字体良好配对的匹配候选字体。为此，所公开的系统、计算机介质和方法可以接收输入字体。作为响应，所公开的系统、计算机介质和方法确定输入字体与字体集合中的字体之间的字体配对评分。具体而言，所公开的系统、计算机介质和方法基于评分函数来确定字体配对评分，评分函数包括联合地学习的对称兼容性空间和非对称兼容性空间。使用输入字体和字体集合中的字体之间的字体配对评分，所公开的系统、计算机介质和方法可以向用户呈现字体对。以这种方式，所公开的系统、计算机介质和方法可以向计算设备提供紧凑的字体配对模型，这使得计算设备能够快速且高效地标识匹配的字体对。实际上，所公开的系统、计算机介质和方法使得计算设备能够基于存储在计算设备上的现有字体快速且高效地标识匹配的字体对，同时比传统系统需要显著更少的存储器和计算要求。以下描述阐述了所公开的系统、计算机介质和方法的一个或多个实施例的附加特征和优点。在一些情况下，这些特征和优点对于本领域技术人员从描述中是显而易见的，或者可以通过所公开的实施例的实施而了解。附图说明如以下简要描述的，具体实施方式通过附图的使用利用附加特性和细节来描述一个或多个实施例。图1A和图1B图示了根据一个或多个实施例的电子文档中的字体对的示例。图2图示了其中可以根据一个或多个实施例实现非对称字体配对系统的示例性环境的示意图。图3图示了根据一个或多个实施例的训练和采用非对称字体配对系统的序列图。图4图示了根据一个或多个实施例的字体对的示例。图5A-5D图示了根据一个或多个实施例的基于输入字体来提供候选字体对的用户界面。图6A-6B图示了根据一个或多个实施例的基于输入字体来提供候选字体对的附加用户界面。图7A图示了根据一个或多个实施例的在执行用于基于特征向量来联合地学习对称投影矩阵和非对称投影矩阵的步骤中的动作。图7B图示了根据一个或多个实施例的在执行用于基于对称投影矩阵和非对称投影矩阵来确定与输入字体配对的一个或多个输出字体的步骤的动作。图8图示了根据一个或多个实施例的非对称字体配对系统的示意图。图9图示了根据一个或多个实施例的用于创建训练字体集合的文档。图10A和10B图示了非对称字体配对系统和传统系统的一个或多个实施例之间的字体配对比较。图11图示了根据一个或多个实施例的用于联合地学习对称兼容性空间和非对称兼容性空间的一系列动作的流程图。图12图示了根据一个或多个实施例的用于基于对称和非对称兼容性空间来确定字体对的一系列动作的流程图。图13图示了用于实现本公开的一个或多个实施例的示例性计算设备的框图。具体实施方式本公开描述了高效地配对数字字体(或简称“字体”)的非对称字体配对系统的一个或多个实施例。例如，在一个或多个实施例中，非对称字体配对系统自动标识并向用户提供电子文档的不同部分之间的视觉美学字体对。具体地，非对称字体配对系统使用联合对称和非对称度量学习来确定视觉美学字体对。此外，非对称字体配对系统提供了紧凑的模型，其使计算设备能够快速和高效地为用户提供字体对。为了训练模型，非对称字体配对系统可以访问包括高质量字体对的文档的大本文档来自技高网...

【技术保护点】
1.一种用于标识视觉美学字体对的系统，包括：存储器，包括：训练字体集合，包括多种数字字体；以及所述训练字体集合内的字体对的指示；至少一个处理器；以及至少一个非暂态计算机可读存储介质，存储指令，所述指令在由所述至少一个处理器执行时使得所述系统：生成针对来自所述训练字体集合的所述多种数字字体的特征向量；基于所述特征向量和所述字体对的所述指示，来联合地学习对称兼容性空间和非对称兼容性空间，其中：对称兼容性空间定义第一空间，在所述第一空间中，特征向量之间的距离指示数字字体集合的对应数字字体之间的对称兼容性；以及非对称兼容性空间定义第二空间，在所述第二空间中，特征向量之间的距离指示所述数字字体集合的对应数字字体之间的非对称兼容性；以及使用所述对称兼容性空间和所述非对称兼容性空间来生成评分函数，所述评分函数输出针对一种或多种字体的、指示所述一种或多种字体如何与输入字体配对的字体配对评分。

【技术特征摘要】
2017.10.11 US 15/729,8551.一种用于标识视觉美学字体对的系统，包括：存储器，包括：训练字体集合，包括多种数字字体；以及所述训练字体集合内的字体对的指示；至少一个处理器；以及至少一个非暂态计算机可读存储介质，存储指令，所述指令在由所述至少一个处理器执行时使得所述系统：生成针对来自所述训练字体集合的所述多种数字字体的特征向量；基于所述特征向量和所述字体对的所述指示，来联合地学习对称兼容性空间和非对称兼容性空间，其中：对称兼容性空间定义第一空间，在所述第一空间中，特征向量之间的距离指示数字字体集合的对应数字字体之间的对称兼容性；以及非对称兼容性空间定义第二空间，在所述第二空间中，特征向量之间的距离指示所述数字字体集合的对应数字字体之间的非对称兼容性；以及使用所述对称兼容性空间和所述非对称兼容性空间来生成评分函数，所述评分函数输出针对一种或多种字体的、指示所述一种或多种字体如何与输入字体配对的字体配对评分。2.根据权利要求1所述的系统，还包括指令，所述指令在由所述至少一个处理器执行时使得所述系统：向客户端设备提供所述评分函数、所述对称兼容性空间和所述非对称兼容性空间，以使所述客户端设备可以使用所述对称兼容性空间和所述非对称兼容性空间来执行所述评分函数以标识字体配对。3.根据权利要求1所述的系统，其中：所述输入字体对应于第一文档部分类型；所述一种或多种字体对应于第二文档部分类型；以及所述第一文档部分类型不同于所述第二文档部分类型。4.根据权利要求3所述的系统，其中所述第一文档部分类型是文档标题，并且其中所述第二文档部分类型是文档子标题或文档正文。5.根据权利要求1所述的系统，还包括指令，所述指令在由所述至少一个处理器执行时使得所述系统：使用卷积神经网络来生成针对所述多种数字字体的特征向量。6.根据权利要求1所述的系统，还包括指令，所述指令在由所述至少一个处理器执行时使得所述系统：使用低级数值字体度量来生成针对所述多种数字字体的特征向量。7.根据权利要求1所述的系统，还包括指令，所述指令在由所述至少一个处理器执行时使得所述系统：基于所述训练字体集合内的字体对的所述指示来生成配对指示符函数，所述配对指示符函数指示所述训练字体集合中的两种字体被配对。8.根据权利要求7所述的系统，还包括指令，所述指令在由所述至少一个处理器执行时使所述系统：生成负的字体对集合，每个负的字体对包括来自所述多种数字字体的、基于所述训练字体集合内的字体对的所述指示而未被配对的两种数字字体；以及基于所述负的字体对集合来生成非配对指示符函数，所述非配对指示符函数指示所述训练字体集合中的两种字体未被配对。9.根据权利要求8所述的系统，其中所述指令在由所述至少一个处理器执行时使得所述系统：还基于所述配对指示符函数和所述非配对指示符函数来联合地学习所述对称兼容性空间和所述非对称兼容性空间。10.根据权利要求9所述的系统，其中：所述对称兼容性空间是对称投影矩阵；所述非对称兼容性空间是非对称投影矩阵；以及所述对称投影矩阵和所述非对称投影矩阵具有相同的维度。11.一种存储指令的非暂态...

【专利技术属性】
技术研发人员：王兆闻，金海琳，A·P·赫茨曼，蒋舒卉，
申请(专利权)人：奥多比公司，
类型：发明
国别省市：美国,US