ReGroup：用于矢量图形图元层次化分组的递归神经网络
计算机视觉与模式识别
2021-11-24 v1 图形学
摘要
选择功能对于矢量图形而言，如同对于栅格数据一样基础。但矢量选择截然不同：我们不是进行像素级标注，而是对每个矢量图元做出包含或排除的二元决策。在缺乏可理解元数据的情况下，这成为一个感知分组问题。以往方法依赖于源自格式塔理论等经验性原理的启发式规则，但由于这些原理定义模糊且主观，常导致歧义。此处我们采用以数据为中心的方法来解决该问题。通过利用感知分组的递归性质，我们将该任务解释为在矢量图形的图元上构建层次结构，这适于用递归神经网络以极少人工标注进行学习。我们为此构建了一个此类层次结构的数据集并在其上训练了一个层次化分组网络，从而验证了这一点。随后我们展示了它如何支撑一个原型选择工具。
引用
@article{arxiv.2111.11759,
title = {ReGroup: Recursive Neural Networks for Hierarchical Grouping of Vector Graphic Primitives},
author = {Sumit Chaturvedi and Michal Lukáč and Siddhartha Chaudhuri},
journal= {arXiv preprint arXiv:2111.11759},
year = {2021}
}