• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권9호
• /
• pp.449-454
• /
• 2016

한글의 자소들은 몇 가지의 획으로 구성되어 있고, 완전한 글자들은 자소들의 조합으로 구성되어 있다. 획과 자소들을 조합하는 과정에서 그 구성들의 크기나 위치가 변화할 수 있으므로 폰트를 제작하는데 많은 노력이 필요하다. 이와 달리 METAFONT는 매개변수 값을 변경하면서 획과 자소의 크기와 위치를 쉽게 변환할 수 있는 시스템을 제공하여 폰트 제작 과정에 효율성을 높일 수 있다. 본 논문은 METAFONT를 기반으로 사용자가 매개변수를 수정하여 다양한 폰트를 자동으로 생성할 수 있는 구조적 한글 폰트 생성기를 제안한다. 본 논문에서 제안한 한글 폰트 생성기는 폰트 임베딩 분야와 폰트 편집기 분야에 적용할 수 있다.

• Journal of Information Processing Systems
• /
• 제17권1호
• /
• pp.1-13
• /
• 2021

In this research, we study the problem of font image skeletonization using an end-to-end deep adversarial network, in contrast with the state-of-the-art methods that use mathematical algorithms. Several studies have been concerned with skeletonization, but a few have utilized deep learning. Further, no study has considered generative models based on deep neural networks for font character skeletonization, which are more delicate than natural objects. In this work, we take a step closer to producing realistic synthesized skeletons of font characters. We consider using an end-to-end deep adversarial network, SkelGAN, for font-image skeletonization, in contrast with the state-of-the-art methods that use mathematical algorithms. The proposed skeleton generator is proved superior to all well-known mathematical skeletonization methods in terms of character structure, including delicate strokes, serifs, and even special styles. Experimental results also demonstrate the dominance of our method against the state-of-the-art supervised image-to-image translation method in font character skeletonization task.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.79-87
• /
• 2021

In recent years research on automatic font generation with machine learning mainly focus on using transformation-based methods, in comparison, generative model-based methods of font generation have received less attention. Transformation-based methods learn a mapping of the transformations from an existing input to a target. This makes them ambiguous because in some cases a single input reference may correspond to multiple possible outputs. In this work, we focus on font generation using the generative model-based methods which learn the buildup of the characters from noise-to-image. We propose a novel way to train a conditional generative deep neural model so that we can achieve font style control on the generated font images. Our research demonstrates how to generate new font images conditioned on both character class labels and character style labels when using the generative model-based methods. We achieve this by introducing a modified generator network which is given inputs noise, character class, and style, which help us to calculate losses separately for the character class labels and character style labels. We show that adding the character style vector on top of the character class vector separately gives the model rich information about the font and enables us to explicitly specify not only the character class but also the character style that we want the model to generate.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제24권2호
• /
• pp.88-92
• /
• 2018

글자의 외곽선 정보가 포함된 UFO 파일을 Metafont로 변환하기 위해 'UFO2MF'와 '한글 메타폰트 생성기'가 연구되었다. 두 가지 연구사례는 외곽선 편집 방식을 이용하여 Metafont 코드로 구성된 폰트파일을 생성할 수 있지만, 'UFO2MF'는 외곽선 정보인 기준점과 조절점 중에 기준점만을 사용하므로 원만한 곡선을 표현할 수 없으며, '한글 메타폰트 생성기'는 글자의 곡선을 자유롭게 표현할 수 있지만 한글 글자만을 대상으로 변환하기 때문에 확장성이 부족하다. 본 논문에서는 한글과 로마자를 모두 외곽선 정보에서 Metafont 코드로 변환할 수 있는 UFO2xMF 시스템을 제안한다. UFO2xMF는 외곽선 정보를 Metafont 코드로 변환하는 과정에서 글자의 스타일을 변화시킬 수 있는 속성 값들을 적용할 수 있다. 또한 글자에 기준선과 무게중심선을 적용하여 한글과 로마자뿐만 아니라 다양한 언어의 글자들도 Metafont 코드로 변환할 수 있는 호환성 높은 시스템이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.1013-1014
• /
• 2015

본 논문에서는 한글 글꼴의 기본 구성요소인 자소를 자동 생성하는 기법을 기반하여 한글의 전체 글꼴을 효율적으로 제작할 수 있는 글꼴 에디터를 개발한다. 본 글꼴 에디터에서는 몇 개의 기본 자소만을 설계하고 나면 KSX1001 표준한글 2350자 및 Unicode 표준한글 11172자 문자들을 자동생성할 수 있다. 이를 이용하여 한글 서체의 디자인 작업 시간을 크게 줄일 수 있었다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.699-706
• /
• 2021

Existing license plate recognition system is used as an optical character recognition method, but a method of using deep learning has been proposed in recent studies because it has problems with image quality and Korean misrecognition. This requires a lot of data collection, but the collection of license plates is not easy to collect due to the problem of the Personal Information Protection Act, and labeling work to designate the location of individual license plates is required, but it also requires a lot of time. Therefore, in this paper, to solve this problem, five types of license plates were created using a virtual Korean license plate generation program according to the notice of the Ministry of Land, Infrastructure and Transport. And the generated license plate is synthesized in the license plate part of collectable vehicle images to construct 10,147 learning data to be used in deep learning. The learning data classifies license plates, Korean, and numbers into individual classes and learn using YOLOv5. Since the proposed method recognizes letters and numbers individually, if the font does not change, it can be recognized even if the license plate standard changes or the number of characters increases. As a result of the experiment, an accuracy of 96.82% was obtained, and it can be applied not only to the learned license plate but also to new types of license plates such as new license plates and eco-friendly license plates.

• 한국멀티미디어학회논문지
• /
• 제13권4호
• /
• pp.609-617
• /
• 2010

국내 이동통신사들이 서로 다른 모바일 플랫폼을 채택하여 사용함으로 인해 개발자는 하나의 모바일 게임 콘텐츠를 서비스하기 위하여 각각의 플랫폼 특성에 맞추어 변환 작업을 하여야 한다. 하지만, 모바일 게임 콘텐츠를 타 플랫폼으로 이식하기 위한 변환 작업에 많은 시간과 비용이 소모되고 있다. 이는 다양한 콘텐츠가 제공되지 못하고 있는 원인이기도 하다. 본 논문에서는 이런 문제를 해결하기 위해 GNEX 플랫폼의 모바일 C 게임 콘텐츠를 WIPI 플랫폼의 자바 콘텐츠로 자동으로 변환해주는 콘텐츠 자동 변환기 시스템을 구현하였다. GNEX C-to-WIPI Java 콘텐츠 자동 변환기 시스템은 단시간 내에 다른 플랫폼으로 콘텐츠를 이식할 수 있도록 하여 동일 콘텐츠를 다른 이동통신사에 서비스하는데 소모되는 시간과 비용을 최소화해준다. 또한, 기존 콘텐츠를 자동 변환하여 타 플랫폼에 서비스함으로써 콘텐츠의 재사용성을 높이고, 신규 콘텐츠의 생산성을 높여 사용자에게는 다양한 모바일 게임 콘텐츠를 제공할 수 있도록 지원한다.