最近、arXivに投稿された論文（番号2606.05261）で、NIV（Neural Axis Variations）と呼ばれる新しい手法が提案されました。この手法は、静的フォントを自動的に完全な可変フォントに変換するものです。著者はNadav Benedek氏ら3名で、2026年6月3日に提出されました。研究チームは、データセット、トレーニングおよび推論の実装、事前学習済みモデルを公開し、研究の促進を図っています。
可変フォントは、ウェイト、幅、斜体、光学サイズなどのデザイン軸に沿ってグリフ形状を連続的に変化させることができる、現代のタイポグラフィにおける重要な進歩です。しかし、従来は静的フォントから可変フォントを構築するには、専門家による手動の字形変動データ指定が必要であり、多大な労力を要していました。NIVは深層学習を活用してこの変換を自動化し、可変フォント作成のハードルを大幅に下げます。
NIVの核心は、与えられたグリフの輪郭と目的のデザイン軸に基づき、各点の変位を予測することです。モデルはベクターグリフ形状を直接操作し、複数の軸間の相互作用を捉える独自の「プロパティ埋め込み（Property Embedding）」メカニズムを採用。これにより、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、各軸ごとに個別のモデルを訓練する必要がありません。
研究チームは、Google Fontsの可変フォントから派生した100万以上の変動タプルからなる新しいデータセットを構築し、NIVを訓練しました。実験結果は、訓練済みモデルの優れた汎化能力を示しています。未見のコードポイントやフォントスタイルだけでなく、複雑なCJK（中日韓）グリフ、さらに分布外の手書き入力に対しても効果的に処理できることが確認されました。これは、NIVが言語やフォントの種類を超えた適用可能性を持つことを意味します。
NIVの生成する出力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で連続補間が可能です。つまり、生成されたフォントは特別なソフトウェアを必要とせず、既存の組版ワークフローにシームレスに統合できます。研究チームはGitHub（https://github.com/ndvbd/NIV）でデータセット、コード、モデルを公開し、さらなる研究を促進しています。
タイポグラフィへの応用に加えて、NIVはより広範な可能性を示しています。すなわち、ニューラル変形を用いて連続パラメトリック変動を持つ構造化幾何オブジェクトを合成する方法です。この考え方は、コンピュータグラフィックス、幾何モデリング、設計自動化などの分野に深い影響を与える可能性があります。