학습에 쓰지 않은 글줄 2,687개로 잰 값이다. 후보를 하나씩 렌더해 견주는 방식은 3,700종이면 수십 초가 걸리는데, 이 모델은 10ms에 끝난다.
그려낸 글자의 결을 배워 버렸다
증강을 세게 줘도 벽은 그대로
여기서 오래 막혀 있었다
눈과 머리를 나눠 만들자 뚫렸다
폰트만 갈아끼워 진짜 배경에 그렸다
합성만으로 밑바닥부터 세우면 모델이 폰트가 아니라 ‘그려진 글자의 결’을 배운다. 실제 크롭으로 백본을 먼저 만들고 그 위에 카탈로그 전량을 얹었다.
44.7% → 80.4%템플릿에 실제로 쓰인 폰트는 211종뿐. 그런데 템플릿도 폰트도 배경도 우리 것이니, 자리·크기·색은 진짜 그대로 두고 폰트만 바꿔 29만 장을 그렸다.
80.4% → 92.2%곁들여, 합성 글자는 실제보다 획이 날카롭다 — 획 가장자리가 실제는 12.5%인데 그려낸 것은 4.8%였다. 글자 높이에 비례하는 흐림으로 그 격차를 메웠다.
후보 수는 각각 617 · 3,300 · 3,721종이다. 합성으로 배워 실제 사진에서 몇 %인지 수치로 공개한 사례는 사실상 DeepFont 하나뿐 — 공개 구현들은 대개 합성 테스트셋 점수만 낸다.
작은 글자가 약할 줄 알았는데 큰 글자가 가장 약하다. 큰 글자는 제목에 쓰이고, 제목은 손글씨체·세리프 변형처럼 서로 닮은 장식 폰트를 쓴다. 다음 개선의 첫 자리다.
g6.12xlarge · L4 24GB 넉 장 · 시간당 $5.658. 이 중 $7.57은 스크립트 문제로 날린 것이고, 원인은 모두 배포 스크립트에 반영했다 — 이제 학습을 걸기 전에 재료를 점검하고 종료 예약은 한 곳에서만 관리한다.
끝까지 굽는 것이 중요하다. 8에폭에서 “수렴한 것 같다”고 멈췄을 때 90.8%였는데, 20에폭 완주해 92.2%가 됐다. 코사인 학습률은 지정한 에폭 수에 맞춰 짜이므로 중간에 멈추면 후반의 수확기를 버리게 된다.