DeepFont: 画像からフォントを識別する

フォントがデザインの核心的な概念の一つであるため、画像や写真から自動的にフォントを識別し、類似したフォントを提案することは多くのデザイナーの願いリストに挙げられています。本研究では、ビジュアルフォント認識（VFR）問題を取り上げ、DeepFontシステムを開発することでこの分野の最先端技術を大幅に進展させました。まず、利用可能な大規模なVFRデータセットとして初めてAdobeVFRを構築しました。このデータセットにはラベル付きの合成データと部分的にラベル付けされた実世界データが含まれています。次に、利用可能な訓練データとテストデータ間のドメインミスマッチに対処するために、Stacked Convolutional Auto-Encoder（SCAE）に基づくドメイン適応技術を使用したConvolutional Neural Network（CNN）分解手法を導入しました。この手法は、特定の方法で前処理された合成データと組み合わせて大量のラベルなし実世界テキスト画像を利用します。さらに、学習ベースのモデル圧縮手法について研究を行い、DeepFontモデルのサイズを縮小しつつその性能を損なわないようにしました。DeepFontシステムは、我々が収集したデータセット上で80%以上の精度（トップ5）を達成しており、またフォント選択や提案のために優れたフォント類似度測定も提供しています。また、認識精度に目立った低下なしに約6倍のモデル圧縮も達成しています。