DeepFont: 이미지에서 글꼴 식별하기

글꼴이 핵심 디자인 개념 중 하나인 만큼, 이미지나 사진에서 자동으로 글꼴을 식별하고 유사한 글꼴을 제안하는 기능은 많은 디자이너들의 소망 목록에 오르고 있습니다. 본 연구에서는 시각적 글꼴 인식(Visual Font Recognition, VFR) 문제를 다루며, DeepFont 시스템을 개발하여 이 분야의 최신 기술(state-of-the-art)을 크게 발전시켰습니다. 먼저, 라벨링된 합성 데이터와 부분적으로 라벨링된 실제 데이터로 구성된 첫 번째 대규모 VFR 데이터셋인 AdobeVFR를 구축하였습니다. 다음으로, 사용 가능한 훈련 데이터와 테스트 데이터 간의 도메인 불일치를 해결하기 위해, Stacked Convolutional Auto-Encoder(SCAE) 기반의 도메인 적응 기술을 활용한 CNN 분해 접근법을 소개합니다. 이 방법은 특정 방식으로 전처리된 합성 데이터와 함께 많은 양의 라벨링되지 않은 실제 텍스트 이미지를 활용합니다. 또한, 성능 저하 없이 DeepFont 모델 크기를 줄이는 새로운 학습 기반 모델 압축 접근법을 연구하였습니다. DeepFont 시스템은 수집한 데이터셋에서 80% 이상(top-5)의 정확도를 달성하였으며, 글꼴 선택과 제안에 있어 좋은 글꼴 유사도 측정값을 생성합니다. 또한, 인식 정확도에 어떠한 가시적인 손실 없이 약 6배의 모델 압축률을 달성하였습니다.