NIV：用于可变字体生成的神经轴变化

NIV 方法通过预测逐点位移，自动将静态字体转化为支持多轴变化的可变字体。 模型基于包含超 100 万个变化元组的变量 Google 字体数据集训练，利用 Property Embedding 机制捕捉多轴交互，生成的输出支持跨代码点及 CJK 字符泛化。 作者已发布数据集、完整代码及训练模型，该神经变形方法展示了参数化几何对象的合成潜力。