面向手绘草图的深度自监督表示学习
计算机视觉与模式识别
2020-02-04 v1
摘要
在本文中，我们首次解决了手绘草图的自监督表示学习问题。这重要地解决了草图领域面临的一个常见问题——带标注的监督数据难以获取。该问题极具挑战性，因为草图高度抽象且受不同绘画风格影响，使得为照片定制的现有方案不再适用。我们自监督学习范式成功的关键在于针对草图的具体设计：（i）我们提出了一组专为草图设计、模拟不同绘画风格的预训练任务；（ii）我们进一步在双分支架构中利用文本卷积网络（TCN）进行草图特征学习，以适配草图笔画的顺序性本质。我们通过在百万规模草图数据集上的两个草图相关应用（检索与识别）证明了我们草图专用设计的优越性，并表明所提方法优于最先进的无监督表示学习方法，且显著缩小了与有监督表示学习之间的性能差距。
引用
@article{arxiv.2002.00867,
title = {Deep Self-Supervised Representation Learning for Free-Hand Sketch},
author = {Peng Xu and Zeyu Song and Qiyue Yin and Yi-Zhe Song and Liang Wang},
journal= {arXiv preprint arXiv:2002.00867},
year = {2020}
}