許鑫亮 ,楊澤昊,閆 宇,李鎮(zhèn)宇,戰(zhàn)國棟

(大連民族大學(xué) a.計算機科學(xué)與工程學(xué)院; b.設(shè)計學(xué)院；c.大連市漢字計算機字庫設(shè)計技術(shù)創(chuàng)新中心，遼寧 大連116605)

各式各樣的字體在不同行業(yè)扮演重要角色，通常稱帶有圖案、繪畫或裝飾性元素的字為“藝術(shù)字”[1]。在日常中word和excel有儲存好的藝術(shù)字庫供使用，也可以利用photoshop等專業(yè)工具來設(shè)計獨具特色的藝術(shù)字，搭配千變?nèi)f化的場景。但藝術(shù)字風(fēng)格迥異，輪廓、顏色搭配復(fù)雜，即使專業(yè)的設(shè)計師也需要大量時間來構(gòu)造，若是字?jǐn)?shù)需求增加，設(shè)計時間將會成倍上升。即使有字體生成轉(zhuǎn)換器，也是簡單的陰影、粗細(xì)、漸變等圖形基礎(chǔ)變化，難以形成一體化風(fēng)格。

本文正是基于此問題利用深度學(xué)習(xí)的方法設(shè)計，自動生成更具特色的藝術(shù)字。利用CNN以及基于其的風(fēng)格遷移，將漢字圖片作為原始輸入，用對應(yīng)圖片作為風(fēng)格，遷移生成藝術(shù)字。

風(fēng)格遷移源于Gatys[2]發(fā)表的開創(chuàng)性論文Neural Style Transfer，展示了深度卷積神經(jīng)網(wǎng)絡(luò)在圖像風(fēng)格遷移領(lǐng)域的優(yōu)良性能。從參數(shù)卷積層中學(xué)習(xí)到的順序表示可以分為“內(nèi)容content”和“風(fēng)格style”。圖像的特征信息通過VGG等深度卷積網(wǎng)絡(luò)傳遞，并且可以使用中間特征激活來融合一個圖像的“風(fēng)格style”與另一個圖像的“內(nèi)容content”。從預(yù)訓(xùn)練網(wǎng)絡(luò)的特征激活中得出損失函數(shù)是神經(jīng)風(fēng)格遷移背后的基本思想，風(fēng)格遷移藝術(shù)字示意圖如圖1。

圖1 風(fēng)格遷移藝術(shù)字示意圖

1 基于CNN的藝術(shù)字風(fēng)格遷移

Gaty[3,4]等人的風(fēng)格遷移網(wǎng)絡(luò)可以從圖像中分離地提取圖像的內(nèi)容特征和風(fēng)格特征，使用預(yù)訓(xùn)練VGG19模型和構(gòu)造圖像特征的Gram矩陣作為風(fēng)格表示，利用圖像迭代的方式直接優(yōu)化初始噪聲圖像的像素，生成具有原內(nèi)容和新風(fēng)格的風(fēng)格化圖像。本實驗藝術(shù)字風(fēng)格遷移模型如圖2。

圖2 藝術(shù)字風(fēng)格遷移框架圖

本文對文字圖像進行風(fēng)格遷移，對于內(nèi)容損失可以忽略，只關(guān)注風(fēng)格遷移即可，故基于CNN的風(fēng)格遷移的損失函數(shù)表示如式(1)：

Ltotal(Ic,Is,I)=αLs(Is,I)。

(1)

給定內(nèi)容圖像Ic、風(fēng)格圖像Is和生成圖像I。Ltotal為風(fēng)格損失函數(shù)，度量給定風(fēng)格圖像和生成圖像之間風(fēng)格表示的差異，系數(shù)α表示風(fēng)格損失函數(shù)的權(quán)重值。風(fēng)格損失使用圖像特征表示的Gram矩陣(即沒有減去均值的協(xié)方差矩陣)對圖像風(fēng)格進行建模，風(fēng)格損失函數(shù)表示如式(2)：

(2)

(3)

于是風(fēng)格遷移圖像質(zhì)量優(yōu)劣取決于卷積層的選擇，本實驗選擇VGG19網(wǎng)絡(luò)中的其中5個卷積層，分別標(biāo)為a～e層，各自對應(yīng)VGG19網(wǎng)絡(luò)中的['block1_conv1','block2_conv1','block3_conv1','block4_conv1','block5_conv1','block5_conv4']，以驗證其遷移效果。以“花”字作為輸入文字圖片，添加花朵的風(fēng)格圖像，進行同等次數(shù)訓(xùn)練。VGG19網(wǎng)絡(luò)模型圖如圖3。

圖3 風(fēng)格損失使用的VGG19卷積層

不同卷積層對應(yīng)遷移結(jié)果如圖4。a～e層卷積網(wǎng)絡(luò)由顏色特征提取逐漸變化至形狀輪廓、大小的提取，從左至右逐漸摒棄色彩，轉(zhuǎn)而關(guān)注花朵、枝條的形狀，輪廓等具體風(fēng)格特征。此處從某種意義上講，也驗證了CNN的可解釋性[5]。

圖4 不同卷積層對應(yīng)遷移結(jié)果

因此，對于藝術(shù)字的風(fēng)格遷移，目前的重點放在如何挑選卷積層及其權(quán)重配置，色彩與輪廓結(jié)合、形狀與顏色并重，才能產(chǎn)生較好的效果圖。經(jīng)過調(diào)節(jié)loss函數(shù)與各層之間的權(quán)重，嘗試諸多層級搭配如圖5。主要展示了兩層及三層作為風(fēng)格損失的效果，至于更多層的效果，首先是隨層數(shù)增多，迭代時間倍數(shù)增加。且由圖4，從b層之后深層卷積層對生成圖像紋理進行影響，效果基本相似但迭代時間較長。

圖5 搭配卷積層效果

考慮到兼顧生成風(fēng)格圖像的色彩與輪廓，由圖5各層搭配效果圖，最終本實驗選擇a+b+c三層作為風(fēng)格損失的結(jié)果，能適應(yīng)多數(shù)紋理較強的風(fēng)格，達到較好的藝術(shù)字效果。值得注意的是，a+b+c組合生成圖像中“花”字輪廓上的花枝紋理為風(fēng)格遷移中根據(jù)風(fēng)格圖像生成，也由此可以看出該組合的遷移對紋理及顏色保留的更好，更加適合后續(xù)藝術(shù)字的生成。

由于只訓(xùn)練風(fēng)格圖，淺層特征圖記錄顏色紋理等信息，越深層隨著感受野的擴大得到的特征圖會提取形狀內(nèi)容等高級信息。此處經(jīng)過調(diào)節(jié)loss函數(shù)，綜合決定使用a、b、c作為卷積層使生成字體達到較好藝術(shù)效果。

2 實驗及實驗結(jié)果分析

基于卷積神經(jīng)網(wǎng)絡(luò)的風(fēng)格遷移[6]藝術(shù)字，其具體步驟如下：

(1)本實驗使用宋體、楷體、黑體、等線、仿宋、微軟雅黑六種基本字體，居中，可選參數(shù)設(shè)定文字內(nèi)容、圖片大小、文字圖片背景色、文字顏色、繪制文字圖像，并添加隨機噪聲。

(2)加入風(fēng)格圖片。設(shè)定內(nèi)容圖片與風(fēng)格圖片的權(quán)重[7]，由于本實驗是提取文字內(nèi)容，故不用添加內(nèi)容圖片的權(quán)重，只關(guān)注風(fēng)格圖即可。下一步進行預(yù)處理圖片，將其變形至(1,width,height)形狀，數(shù)據(jù)歸一到0～1之間，再將0～1之間的數(shù)據(jù)變成圖片形式返回，歸結(jié)到0～255之間。最后結(jié)合文字圖片、風(fēng)格圖片、生成圖片作為輸入向量，啟用卷積神經(jīng)網(wǎng)絡(luò)。

(3)使用訓(xùn)練完成的VGG19網(wǎng)絡(luò)。將網(wǎng)絡(luò)中不同層存儲以作備用。定義Gram矩陣，求取風(fēng)格損失，即風(fēng)格圖片與結(jié)果圖片的Gram矩陣之差，對所有元素求和。糅合多個特征層的數(shù)據(jù)后取平均值。隨后進一步對風(fēng)格損失求取梯度。

(4)最后開始迭代。采用scipy的L-BFGS優(yōu)化器。L-BFGS算法具有收斂速度快、內(nèi)存開銷少等優(yōu)點，通過儲存前m次迭代的少量數(shù)據(jù)來替代前一次的矩陣，可以較高效地完成優(yōu)化。此處優(yōu)化最好使用GPU，三層平均速度9 s左右，比cpu速度提高10倍。在此期間繪制loss的圖表，對其進行分析，可以看出在1000次迭代后loss不再變化，事實上在20次左右loss值已下降到較低水準(zhǔn)，如果只是應(yīng)用于精度要求不那么高的設(shè)計實現(xiàn)，已達到要求。

(5)風(fēng)格遷移效果[8]。因為風(fēng)格遷移的本意是將風(fēng)格圖的藝術(shù)紋理轉(zhuǎn)移至內(nèi)容圖上，但藝術(shù)風(fēng)格是抽象難以形容的，故對算法的效果進行評估是一件困難的事情。目前對算法的評估方式主要有兩種，定性和定量評估。定性評估的主要手段是主觀感情評測，及人為調(diào)研來投票決定結(jié)果，但此法受被測人群藝術(shù)素養(yǎng)、知識理解、感情信息的影響巨大，不是最好的評估方式。定量評估則通過特定意義的數(shù)學(xué)指標(biāo)進行對比，主要使用的指標(biāo)是訓(xùn)練時間，但這些指標(biāo)不能用來評估風(fēng)格遷移算法的實現(xiàn)效果，比如簡單的藝術(shù)性、適用性。在風(fēng)格遷移領(lǐng)域中設(shè)計出一個標(biāo)準(zhǔn)性評估方法有助于理解如何改進現(xiàn)有的風(fēng)格遷移算法。而本文是生成藝術(shù)字內(nèi)容，故與市面上比較常用的幾款藝術(shù)字體生成器作比較，展現(xiàn)深度學(xué)習(xí)算法生成的內(nèi)容的優(yōu)越性。

藝術(shù)字生成器與風(fēng)格遷移藝術(shù)字對比如圖6。圖6a、6b、6c是利用市面上成熟的藝術(shù)字生成器制造的藝術(shù)字，可以看出它不能對字形改造，只能在原有字形基礎(chǔ)上，進行陰影、漸變、填充，再輔助顏色變化，簡單的達到藝術(shù)字模式生成。而風(fēng)格遷移藝術(shù)字明顯不同，如圖6d、6e、6f在原有字形固定的基礎(chǔ)上[9]，紋理按照風(fēng)格圖片，與內(nèi)容圖片結(jié)合，能夠顯著表現(xiàn)出風(fēng)格特性，不再拘泥于固定的字形結(jié)構(gòu)。只需要簡單的一張風(fēng)格圖片，就能打造出合適的藝術(shù)字體，從而復(fù)用到不同場景，產(chǎn)生較好的效果。

圖6 藝術(shù)字生成器與風(fēng)格遷移藝術(shù)字對比

3 結(jié) 論

風(fēng)格遷移損失圖如圖7?？梢钥闯龅?次之后loss值達到比較平穩(wěn)的狀態(tài)。而在百次后達到幾乎飽和的值，此刻風(fēng)格紋理已較好地融入圖像之中,風(fēng)格遷移也能達到較好的效果。

圖7 風(fēng)格遷移迭代loss圖

此次風(fēng)格遷移實驗擴展了藝術(shù)字應(yīng)用的種類，較好地完成了藝術(shù)字對應(yīng)風(fēng)格生成，在應(yīng)用上比市場上的藝術(shù)字生成器效果更好。而在精確度評價方面，利用VGG19網(wǎng)絡(luò)可以很好地學(xué)習(xí)對應(yīng)紋理特征，并對其可解釋性做出補充說明。