使用带决策过程的二值化神经网络进行约束图像生成
计算机视觉与模式识别
2018-02-27 v1
摘要
我们考虑具有给定属性的二值图像生成问题。该问题出现在许多实际应用中，包括为锂离子电池电极、复合材料等生成人造多孔介质。生成的图像表示多孔介质，因此受到两组约束：结构上的拓扑约束和该结构上物理过程的工艺约束。为了进行图像生成，我们需要定义从多孔介质到其物理过程参数的映射。对于给定的多孔介质几何结构，该映射可通过求解偏微分方程（PDE）来完成。然而，将 PDE 求解器嵌入搜索过程在计算上代价高昂。我们使用二值化神经网络来近似 PDE 求解器。这使我们能够将整个问题编码为逻辑公式。我们的主要贡献在于，我们首次表明该问题可以使用决策过程来解决。我们的实验表明，我们的模型能够生成满足拓扑和工艺约束的随机约束图像。
引用
@article{arxiv.1802.08795,
title = {Constrained Image Generation Using Binarized Neural Networks with Decision Procedures},
author = {Svyatoslav Korneev and Nina Narodytska and Luca Pulina and Armando Tacchella and Nikolaj Bjorner and Mooly Sagiv},
journal= {arXiv preprint arXiv:1802.08795},
year = {2018}
}