【技术实现步骤摘要】
本专利技术属于人工智能领域，尤其涉及一种字体风格属性量化编辑方法、装置和计算机存储介质。
技术介绍
1、扩散模型或扩散概率模型是深度学习领域生成模型的一种，是一类潜变量模型，利用变分估计训练的马尔可夫链，其目标是通过对数据点在潜空间中的扩散方式进行建模，来学习数据集的潜在结构。由于扩散模型训练的稳定性以及生成质量的卓越性，目前成为最受欢迎的生成模型，其被广泛应用于图像生成、图像修复、图像去噪和图像超分等等细分领域。
2、在字体生成领域，可以将矢量字体渲染为图像格式，然后在此基础上进行字体图像的训练和生成，最后再转换为矢量字体，因此字体生成可以视为图像生成中特定数据域的一种。目前，针对字体生成领域的字体扩展，扩散模型表现出惊人的能力，其能够生成接近于真实字体样本的字体图像，但是在字体风格属性编辑领域扩散模型还未发挥其优势。
3、字体风格属性是指能够改变字体风格的一系列性质的集合，比如字体的粗细、宽窄、高矮、衬线、圆润度等等，对字体风格属性的编辑，可以实现对已有字体风格的可控制的变化，比如编辑字体风格的粗细属性，可以...
【技术保护点】
1.一种字体风格属性量化编辑方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的字体风格属性量化编辑方法，其特征在于，所述处理参数包括字体风格属性索引和编辑强度，所述U-Net网络包括U-Net0模块和U-Net1模块；
3.根据权利要求2所述的字体风格属性量化编辑方法，其特征在于，步骤S5中将所述方向向量输入所述U-Net网络具体包括：
4.根据权利要求3所述的字体风格属性量化编辑方法，其特征在于，所述字体属性编码器和字体属性预测器的训练步骤包括：
5.根据权利要求4所述的字体风格属性量化编辑方法，其特征在于，利...
【技术特征摘要】
1.一种字体风格属性量化编辑方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的字体风格属性量化编辑方法，其特征在于，所述处理参数包括字体风格属性索引和编辑强度，所述u-net网络包括u-net0模块和u-net1模块；
3.根据权利要求2所述的字体风格属性量化编辑方法，其特征在于，步骤s5中将所述方向向量输入所述u-net网络具体包括：
4.根据权利要求3所述的字体风格属性量化编辑方法，其特征在于，所述字体属性编码器和字体属性预测器的训练步骤包括：
5.根据权利要求4所述的字体风格属性量化编辑方法，其特征在于，利用交叉熵损失函数计算k与kpre的损失kloss，利用均方差损失函数计算ω与ωpre的损失ωloss，kloss损失与ωloss损失相加获得整体损失，再通过反向传播算法更新字体属性编码器和字体属性预测器的参数。
<...【专利技术属性】
技术研发人员：商军英，
申请(专利权)人：北京汉仪创新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。