标题：Font-Agent: Enhancing Font Understanding with Large Language Models

简介：随着生成模型的蓬勃发展，字体生成取得了显著进展，但对其可解释性与评估仍然不足。为此，我们构建了含13.5万字体-文本对的多模态数据集DFD，涵盖多种生成字体类型、语言描述与质量注释，为字体分析模型的训练与评估奠定了坚实基础。基于此，我们提出了VLM架构的Font-Agent，引入EAT模块捕捉字体笔画边缘信息，并通过D-DPO策略高效微调模型，赋予解释性问答能力。实验证明，Font-Agent在DFD及其他公开数据集上均表现突出，不仅能精准评估生成字体质量，也能深度理解其内容。在多样化数据集上的实验也验证了其泛化性能，彰显了Font-Agent的潜力。

该论文第一作者是厦门大学信息学院2024级博士研究生赖映鑫，通讯作者是罗志明副教授。由许璀杰（图形起源），史海天（图形起源），杨国庆、李晓宁、李绍滋教授共同合作完成。