タイポグラフィの分野において、可変フォント（Variable Font）の作成は従来、デザイナーの高度な専門知識と多大な手作業を要する工程でした。可変フォントとは、ウェイト（太さ）、幅、斜度、光学的なサイズなど複数のセマンティック設計軸に沿ってグリフの形状を連続的に変更できるフォント形式です。この度、研究チームが開発したNIV（Neural Axis Variations）というニューラルネットワークベースの手法により、静的フォントから自動的に機能する可変フォントを生成することが可能になりました。 NIVの特徴は、グリフのアウトラインと目的とする設計軸の情報を入力として、各ポイントの変位を予測することにあります。本手法はベクトルグリフの幾何学構造に直接作用し、新たに開発されたProperty Embeddingメカニズムを採用しています。このメカニズムは複数軸間の相互作用を捉えることで、統一されたフレームワーク内で一貫した多軸変動を実現します。研究チームはGoogleフォントの可変フォントから導出された新規データセットを用いてNIVを学習させており、同データセットには100万以上の変動タプルが含まれています。 生成されたモデルは、未見のコードポイント、未見のフォントスタイル、複雑度の高い漢字などのCJKグリフ、さらには訓練データの分布外にある手書き入力に対しても良好な汎化性能を示します。出力される成果物は標準的な可変フォントファイルであり、既存のレンダリングエンジンを通じた連続的な補間に対応しています。研究の進展を促すため、データセット、完全な学習および推論実装、訓練済みモデルはGitHubで公開予定です。本アプローチの意義はタイポグラフィに留まらず、連続的なパラメトリック変動を伴う構造化された幾何学オブジェクトをニューラル変形によって合成する方法論として、より広範な応用可能性を示唆しています。