MARVEL：基于基元级深度强化学习的栅格漫画矢量化
计算机视觉与模式识别
2023-07-20 v2
摘要
漫画是一种时尚的日式漫画形式，由黑白笔触组成，通常在数字设备上以栅格图像显示。典型漫画具有简单纹理、宽线条和较少颜色渐变，这些是可矢量化的特性，可享有矢量图形的优势，例如自适应分辨率和较小文件大小。本文中，我们提出MARVEL（MAnga's Raster to VEctor Learning），一种通过深度强化学习（DRL）对栅格漫画进行矢量化的基元级方法。与以往预测整幅图像矢量参数的基于学习的方法不同，MARVEL引入新视角，将整幅漫画视为基本基元——描线的集合，并设计DRL模型将目标图像分解为基元序列以实现精确矢量化。为提高矢量化精度并减小文件大小，我们进一步提出描线精度奖励以预测准确描线，以及剪枝机制以避免生成错误和重复的笔划。大量主观与客观实验表明，我们的MARVEL能生成令人印象深刻的结果并达到最先进水平。我们的代码开源于：https://github.com/SwordHolderSH/Mang2Vec。
引用
@article{arxiv.2110.04830,
title = {MARVEL: Raster Manga Vectorization via Primitive-wise Deep Reinforcement Learning},
author = {Hao Su and Jianwei Niu and Xuefeng Liu and Jiahe Cui and Ji Wan},
journal= {arXiv preprint arXiv:2110.04830},
year = {2023}
}
备注
The name of the previous version paper was: Mang2Vec: Vectorization of raster manga by deep reinforcement learning