用于草图分割的多列点卷积神经网络
图像与视频处理
2018-12-31 v1
摘要
传统的草图分割方法主要依赖手工特征和复杂模型，由于草图的抽象表示，其性能远不能令人满意。深度神经网络（DNNs）在相关任务中的近期成功表明 DNNs 可能是该问题的实用解决方案，但用于学习和评估 DNNs 的合适数据集有限。为此，我们引入了 SketchSeg，一个由 10,000 张逐像素标注草图组成的大型数据集。此外，由于草图缺乏颜色和纹理，在自然图像上学习的常规 DNNs 并非解决我们问题的最优选择。因此，我们进一步提出多列点卷积神经网络（MCPNet），其（1）直接以采样点作为输入以降低计算成本，（2）采用具有不同滤波器尺寸的多个列以更好地捕捉草图的结构。大量实验验证 MCPNet 优于 FCN 等常规 DNNs。SketchSeg 数据集公开于 https://drive.google.com/open?id=1OpCBvkInhxvfAHuVs-spDEppb8iXFC3C。
引用
@article{arxiv.1812.11029,
title = {Multi-column Point-CNN for Sketch Segmentation},
author = {Fei Wang and Shujin Lin and Hanhui Li and Hefeng Wu and Junkun Jiang and Ruomei Wang and Xiaonan Luo},
journal= {arXiv preprint arXiv:1812.11029},
year = {2018}
}