09:11arXiv cs.AI@Zian Yang, Zixin Wang少样本字体生成需要同时保证全局结构完整性和局部风格细节。现有方法要么依赖全局内容-风格建模(鲁棒但解耦不完美),要么强调局部组件建模(捕捉细节但依赖局部先验和参考覆盖)。SmartFont 提出通过多级条件分配来组织互补但有偏的全局和局部条件,结合扩散模型与弱监督局部校正专家,实现全局-局部平衡。实验表明,该方法在字形质量和局部细节保真度上优于现有方法。论文少样本字体生成扩散模型条件分配弱监督学习SmartFont推荐理由:字体设计团队和AI生成研究者可以关注这个方案——它解决了少样本字体生成中全局与局部细节难以兼顾的痛点,直接提升字形质量和风格一致性。原文