近日，3499cc拉斯维加斯2022级电子信息专业研究生季天乐以第二作者（导师一作）在TOP期刊《pattern recognition》（中科院一区，影响因子: 7.5）上发表研究论文，论文题目为《Cross-Lingual Font Style Transfer with Full-Domain Convolutional Attention》。

该论文是在我校赵辉煌教授的指导下完成，3499cc拉斯维加斯为第一署名单位。论文核心理论是： 以前的大多数字体生成工作都是针对单一语言内容的不同字体的风格迁移，但在我们的任务中，可以学习一种语言的字体风格并将其迁移到另一种语言。我们调查了相关研究的缺点，发现现有的跨语言方法无法完美地学习其他语言的风格并保持其自身内容的完整性。因此，我们提出了一种新的跨语言字体风格迁移模型FCAGAN。我们构建了一个基于全域卷积注意模块的风格编码器，并设计多层感知鉴别器来指导其完成更精确的字体风格提取以及确保字符的完整性。同时，网络中的自适应融合模块可以增强模型的泛化能力，通道相关的多级特征提取模块可以有助于特征细化。实验表明，使用该模型比现有的跨语言字体风格迁移方法能得到更令人满意的结果。代码见https://github.com/jtlxlf/FCAGAN 。

图1：FCAGAN的网络架构

                                                 文字：季天乐