• KIISE Transactions on Computing Practices
• /
• v.22 no.9
• /
• pp.449-454
• /
• 2016

Radicals of Korean characters consist of some strokes, and complete letters are comprised of a combination of radicals. During the process of combining strokes and radicals, it requires a lot of effort as the size and the position of the components can be changed. Unlike this, METAFONT can improve the efficiency in the production process of fonts by changing its parameters. It also provides a system which can easily transform size and position of the strokes and radicals. We propose a structural Korean font generator which allows users to modify parameters of letters through METAFONT and generates a variety of fonts automatically. The suggested Korean font generator can be applied to font embedding and font editor.

• 프린팅코리아
• /
• s.9
• /
• pp.156-157
• /
• 2003

지난 '02년 11월 1일 서울시스템에서 독립, 폰트전문회사로 새롭게 출발한 서울폰트(seoulfont.com 대표 최주선)가 일부 염려에도 불구하고 서체전문회사로서 자리를 굳건히 해가고 있다. 신문제작 시장의 독점적 위치가 경쟁사들의 시장진입으로 어려움을 겪는 것처럼 보이지만 심혈을 기울여 온 다국어 한자 제작 능력이 해외에서 인정받는 등 분사 이후 폰트 전문회사로서의 기반이 마련되고 있는 것이다. 폰트전문회사로서 새롭게 출발하는 서울폰트를 찾아 분사과정과 향후 회사의 전망에 대해 들어봤다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.419-420
• /
• 2018

글자체(폰트)는 저작권으로 보호받지 못하지만 글자(폰트)프로그램은 저작권법 컴퓨터 프로그램 보호 규정에 따라 저작물로 보호된다. 저작권법이 글자체 그 자체는 보호하지 않지만, 컴퓨터프로그램으로 보호하는 양극간의 괴리 때문에 폰트 제작 회사가 무리한 법적용을 폰트 사용 편집회사들에게 주장하는 경우가 자주 발생하고 있다. 본고에서는 폰트 프로그램의 저작권 적용 범위를 확인하고 위반이 되는 경우와 그렇지 않은 경우를 구별한 뒤, 폰트 제작 회사의 실제 사례를 예로 들어 문제점을 밝혀보기로 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.861-864
• /
• 2016

기존의 외곽선 방식을 사용해 폰트의 스타일을 바꾸기 위해서는 제작과 동일한 시간과 비용이 소비된다. 메타폰트는 글자의 뼈대를 펜으로 채우는 방식으로 폰트를 표현하여 펜의 모양만 바꾸어도 글자의 스타일을 쉽게 바꿀 수 있다. 하지만 메타폰트는 프로그래밍 언어로 제공되기 때문에 관련 지식이 없는 폰트 디자이너와 일반 사용자들이 사용하기 어렵다. 따라서 본 논문에서는 한글의 특징을 기반으로 하는 한글 매개변수를 추출하여 메타폰트로 만든 한글 글꼴 생성 프로그램에 적용한 후, GUI를 제공하여 손쉽게 한글 폰트를 편집할 수 있는 메타폰트 편집기를 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.986-989
• /
• 2021

하나의 폰트를 제작하기 위해서, 로마자 폰트는 200여자만 디자인하면 되지만, 한글 폰트는 11,172자나 되는 많은 글자를 하나하나 디자인해야 하는 어려움이 있다. 하나의 한글 폰트 제작에 많은 시간과 노력이 드는 기존 문제점을 해결하기 위해, 메타폰트와 같은 프로그래머블 폰트를 이용하는 방법이 제안되었으나, 이를 실제 사용하는 것은 용이하지 않다. 따라서 이러한 문제를 해결하기 위해 한글 가변폰트 서비스를 위한 한글 매개변수 조절 서비스 "STEMFONT'를 개발하였다. 본 논문에서는 STEMFONT 서비스에 대한 소개와 더불어 서비스 기능에 맞는 인터페이스 구성에 대해 설명한다. 이러한 인터페이스를 통해 사용자들이 쉽게 폰트를 제작할 수 있다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.3 no.4
• /
• pp.245-250
• /
• 2002

This paper presents a priori and the local font classification method. The font classification uses ascenders, descenders, and serifs extracted from a word image. The gradient features of those sub-images are extracted, and used as an input to a neural network classifier to produce font classification results. The font classification determines 2-font styles (upright or slant), 3-font groups (serif, sans serif, or typewriter), and 7-font names (PostScript fonts such as Avant Garde, Helvetica, Bookman, New Century Schoolbook, Palatino, Times, or Courier). The proposed a priori and local font classification method allows an OCR system consisting of various font-specific character segmentation tools and various mono-font character recognizers.

• Journal of Intelligence and Information Systems
• /
• v.10 no.2
• /
• pp.65-77
• /
• 2004

This paper presents a priori and the local font classification method. The font classification uses ascenders, descenders, and serifs extracted from a word image. The gradient features of those sub-images are extracted, and used as an input to a neural network classifier to produce font classification results. The font classification determines 2 font styles (upright or slant), 3 font groups (serif sans-serif or typewriter), and 7-font names (Postscript fonts such as Avant Garde, Helvetica, Bookman, New Century Schoolbook, Palatine, Times, and Courier). The proposed a priori and local font classification method allows an OCR system consisting of various font-specific character segmentation tools and various mono-font character recognizers. Experiments have shown font classification accuracies reach high performance levels of about 95.4 percent even with severely touching characters. The technique developed for tile selected 7 fonts in this paper can be applied to any other fonts.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.2
• /
• pp.73-78
• /
• 2021

Recently, as interest in deep learning has increased, many researches in various fields using deep learning techniques have been conducted. Studies on automatic generation of fonts using deep learning-based generation models are limited to several languages such as Roman or Chinese characters. Generating Korean font is a very time-consuming and expensive task, and can be easily created using deep learning. For research on generating Korean fonts, it is important to prepare a Korean font dataset from the viewpoint of process automation in order to keep pace with deep learning-based generation models. In this paper, we propose a Korean font dataset for deep learning-based Korean font research and describe a method of constructing the dataset. Based on the Korean font data set proposed in this paper, we show the usefulness of the proposed dataset configuration through the process of applying it to a deep learning Korean font generation application.

• Annual Conference on Human and Language Technology
• /
• 1992.10a
• /
• pp.581-590
• /
• 1992

고품위 입출력 장치의 급속한 발달과 전자 출판 시스템의 출현은 더 다양한 서체를 요구하게 되었다. 컴퓨터에서 사용되고 있는 한글 서체는 명조, 고딕체를 제외하고는 주로 장식용 폰트를 만들어 사용하고 있다. 본 논문에서는 Cubic B-Spline 곡선을 이용하여 다양한 필기체 폰트를 구현하였고, 필기체가 가지는 특성(날림의 정도, 글자의 기울이기 정도, 각 음소의 크기, 각 글자의 크기의 균일성 등)에 따라 인자를 부여하여 개별화되고 사실적인 폰트를 생성하였다. 각 인자의 조합은 암호화되어 각 개인의 폰트로 부여된다. 즉, 개인의 고유 폰트는 폰트 암호(password)로 부여되고, 제어인자는 폰트암호의 해쉬값에 의해 선택되며, 사용자들로부터 이 제어인자들을 숨기게 되면 각 사용자들의 폰트는 유일하고, 안전하게 되므로, 일정정도의 안정성이 보장된다고 보여진다. 그리고 본 연구에서 구현된 폰트는 한글 필기체 문자인식의 정도를 측정하는 다양한 데이타를 제공하는 데에도 의미가 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.50-53
• /
• 2019

본 논문에서는 도메인 어댑테이션을 이용하여 폰트 변화에 강인한 한글 분류기를 학습하는 방법을 제안한다. 제안하는 네트워크 모델은 총 7 개로 이루어져 있으며 각각 이미지로부터 폰트에 무관한 정보를 추출하는 인코더, 추출된 정보의 유효성을 판단하기 위해 이미지 재합성에 사용되는 디코더, 재합성된 이미지의 글자 분류기, 폰트 분류기, 재합성된 글자의 정교함을 판단하는 판별기(discriminator), 그리고 인코더에서 추출된 정보에 대한 글자 분류기, 폰트 분류기이다. 본 논문에서는 적대적 생성 신경망의 학습법을 따르는 도메인 어댑테이션 기법을 이용하여 인코더의 추출 정보가 폰트 정보는 속이면서 글자 분류의 정확성은 높이도록 학습하였다. 학습 결과 인코더로부터 추출되는 정보들은 폰트에 무관한 성질을 지니면서 글자 분류에 높은 정확성을 띄었으며, 추가로 디코더에서 나오는 이미지들도 원본 폰트와 같은 이미지를 생성해 낼 수 있었다.