NIVeL：用于文本到向量生成的神经隐式向量层
计算机视觉与模式识别
2024-05-27 v1 图形学
摘要
denoising 扩散模型在表示 2D 栅格图像上捕捉丰富数据分布的成功，促使研究人员将其扩展到其他数据表示形式，如矢量图形。然而，由于其可变结构和稀缺的矢量训练数据，直接将扩散模型应用于该领域仍是一个具有挑战性的问题。使用诸如基于得分蒸馏采样 (SDS) 的变通方法也面临困难，因为矢量表示直接优化非平凡，容易导致不合理的几何形状，如冗余或自相交的形状。NIVeL 通过重新解释问题于一种替代的中间领域来解决这些挑战，该中间领域保留了矢量图形的理想属性——主要是稀疏表示和分辨率独立性。该替代领域基于表示为可分解、可编辑图层的神经隐式场。根据我们的实验，NIVeL 生成的文本到矢量图形结果在质量上显著优于当前最先进的方法。
引用
@article{arxiv.2405.15217,
title = {NIVeL: Neural Implicit Vector Layers for Text-to-Vector Generation},
author = {Vikas Thamizharasan and Difan Liu and Matthew Fisher and Nanxuan Zhao and Evangelos Kalogerakis and Michal Lukac},
journal= {arXiv preprint arXiv:2405.15217},
year = {2024}
}