Hangul Font Design via Generative Model

Abstract

Artificial neural network(ANN) is devised after neurons. ANN can act as a universal function approximator to solve regression or classification problems. Also, it can be trained to generative models. However, generative models are hard to be trained. Meanwhile, Hangul consists of 11,172 syllables which takes a huge effort for human designers to make fonts. The generative model proposed in this thesis combines previous studies and makes use of Hangul system to generate Hangul font. The model is first trained on the prepared dataset and fine-tuned on a small subset of the desired font. We verified that the model contains learned representation of styles of fonts by investigating the output, and the inside of the model.

인공 신경망은 뉴런의 구조를 본 따 고안되었다. 인공 신경망은 회귀, 분 류 문제 등을 푸는 보편적 근사 함수처럼 학습이 가능하며, 학습된 구조를 바탕으로 새로운 이미지 등을 생성하는 생성 모델로 학습시킬 수도 있다. 하지만 일반적인 생성 모델은 많은 가짓수를 다양하게 원하는 대로 생성하도록 학습시키기에 어려움이 있다. 한편, 한글은 11,172개의 많은 음절로 이루어져 있기 때문에 사람이 직접 폰트 디자인을 하는데 어려움이 있다. 이 논문에서 제안하는 생성 모델은 앞서 연구된 생성 모델을 조합하고, 한글과 폰트의 특징을 이용하여 한글 폰트를 생성해낸다. 한글 폰트 생성 모델은, 먼저 미리 준비된 폰트를 이용하여 훈련시킨 뒤, 생성하길 원하는 폰트의 음절 중 일부를 이용하여 정교하게 추가 학습시켜서 얻는다. 모델이 각 폰트의 특성을 학습하여, 원하는 폰트를 생성할 수 있음을 생성된 결과물과 모델 내부를 살펴봄으로써 확인할 수 있었다.