通过自监督矢量化的字符生成
计算机视觉与模式识别
2022-08-04 v1 机器学习
摘要
自监督图像生成中的主流方法是在像素级表示上操作。尽管该方法可生成高质量图像，却无法受益于矢量化的简洁性与固有质量。本文提出一种在笔画级图像表示上操作的绘制智能体。在每个时间步，智能体首先评估当前画布并决定是否停止或继续绘制。当做出“绘制”决策时，智能体输出指示待绘笔画的程序。由此，其通过在画布上绘制笔画生成最终光栅图像，使用最少数量的笔画并动态决定何时停止。我们在MNIST和Omniglot数据集上通过强化学习训练该智能体，用于无条件生成与解析(重建)任务。我们利用解析智能体在Omniglot挑战中完成样本生成与类型条件概念生成，无需任何进一步训练。我们在全部三项生成任务与解析任务上给出了成功结果。关键在于，我们不需要任何笔画级或矢量监督；仅使用光栅图像进行训练。
引用
@article{arxiv.2208.02012,
title = {Character Generation through Self-Supervised Vectorization},
author = {Gokcen Gokceoglu and Emre Akbas},
journal= {arXiv preprint arXiv:2208.02012},
year = {2022}
}