선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 딥 러닝(GAN)의 모델링 작업과 백그라운드 프로세싱은 Ubuntu OS (16.04) 에서 Python으로 진행 되었으며, TensorFlow 라이브러리를 이용해 GAN 알고리즘을 구현하였다. 폰트 이미지는 png 파일을 svg 파일로 벡터화 하는 Python 라이브러리를 사용하였고, 계정관리 컨트롤러와 사용자 UI는 각각 Java Spring framework, Node.
- 그리고 또한 알파벳과 다르게 한글 폰트는 자음과 모음을 조합하면 약 11,500자 정도가 나오며 디자이너가 폰트 하나를 만드는데 일일이 디자인하고 다 만들기엔 약 3개월 정도의 시간이 소모되고 또한 비용도 크다. 따라서 본 논문에서는 저작권 문제와 시간, 비용을 절약하기 위해 11,500자를 디자이너가 다 쓰는 게 아니라 399자만 쓰고 나머지는 딥러닝 GAN을 이용한 나머지 한글 폰트 생성 시스템을 구현한다.
- 템플릿에서 잘라져 나온 캐릭터들을 모델에 넣고, 모델을 트레이닝 시키면서 나머지 11000자를 생성한다. 모델의 학습 과정은 총 30 에폭으로 구성되며 Learning_late 초기 값은 0.001, 배치 사이즈는16이며, 강화 학습을 위해 10 에폭마다 Learning_late가 절반으로 줄어들게 디폴트 값으로 세팅했다.
- 미리 제공되는 템플릿에 유저가 탬플릿에 있는 399자를 적어서 업로드 하면 파이썬 Pillow 라이브러리를 이용해 자동으로 각 글자를 잘라낸 후 각 유닛들을 한글 유니코드에 매핑 한다. 변화하는 작업은 svgicons2svgfont, svg2ttf를 사용하였다.
- 다중 학습모델이란, 학습 데이터 셋이 한 개가 아닌 여러 개의 데이터 셋을 one-to-many 관계로 학습의 과정을 거친 모델을 의미한다. 본 논문에서 사용한 모델은 다중 학습 모델링을 실현하기 위해서 카테고리 임베딩을 도입했고, 캐릭터가 디코더를 통과하기 직전에 비 훈련용 가우스 노이즈를 문자 임베딩 스타일로 연결함으로서 이를 구현했다. 이렇게 함으로서 인코더는 동일한 문자를 동일한 벡터에 매핑 하는 반면에 디코더는 대상 캐릭터를 생성하기 위해 캐릭터와 스타일을 모두 사용하게 된다.
- 본 논문에서는 GAN을 이용해 한글 폰트를 생성하였다. 모델을 생성할 때, 정적인 소스 폰트 데이터 셋을 통해 모델링을 진행하는데, 이후에 진행할 연구에서는 모델링 과정에서 차가운 데이터 셋, 따듯한 데이터 셋, 장난스러운 데이터 셋 등.
- 첫 번째로, 여러 가지 소스 폰트를 이용하여 거대한 모델을 생성하고, 인코더를 동결시킨다. 인코더는 수천 개에 해당하는 캐릭터의 구조적 정보를 추출하고, 디코더는 그것을 강화하는 Transfer Learning을 수행한다. 인코더, 디코더, 구분자는 pix2pix 모델을 사용하였다.
- 본 논문에서 사용한 모델의 학습 과정은 두 가지 스탭으로 진행된다. 첫 번째로, 여러 가지 소스 폰트를 이용하여 거대한 모델을 생성하고, 인코더를 동결시킨다. 인코더는 수천 개에 해당하는 캐릭터의 구조적 정보를 추출하고, 디코더는 그것을 강화하는 Transfer Learning을 수행한다.
대상 데이터
- 인코더는 수천 개에 해당하는 캐릭터의 구조적 정보를 추출하고, 디코더는 그것을 강화하는 Transfer Learning을 수행한다. 인코더, 디코더, 구분자는 pix2pix 모델을 사용하였다. 두 번째 과정으로 1차적으로 완성된 거대한 모델 중 레이블을 섞는 셔플링 작업을 수행한다.
이론/모형
- 벡터 이미지를 다루기 위해 사용한 컨벌루전 레이어의 표준화 함수로는 ReLU와 Leaky ReLU를 사용하였으며, 생성자와 구분자의 최적화 함수로는 안정적으로 최적화를 위한 하강이 가능한 Adam을 사용하였다. 본 논문에 사용된 GAN의 하이퍼 파라미터는 Fig.
- 폰트 생성 GAN 모델은 다중 학습 모델을 이용하였다. 다중 학습모델이란, 학습 데이터 셋이 한 개가 아닌 여러 개의 데이터 셋을 one-to-many 관계로 학습의 과정을 거친 모델을 의미한다.
- 04) 에서 Python으로 진행 되었으며, TensorFlow 라이브러리를 이용해 GAN 알고리즘을 구현하였다. 폰트 이미지는 png 파일을 svg 파일로 벡터화 하는 Python 라이브러리를 사용하였고, 계정관리 컨트롤러와 사용자 UI는 각각 Java Spring framework, Node.js를 사용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.