强化标签：用于点要素标注放置的多智能体深度强化学习
机器学习
2023-09-19 v3
摘要
近年来，强化学习结合深度学习技术已成功证明能解决包括机器人、自动驾驶汽车和金融在内的各领域复杂问题。在本文中，我们将强化学习（RL）引入标注放置——数据可视化中寻求标签最优定位以避免重叠并确保易读性的复杂任务。我们新颖的点要素标注放置方法利用多智能体深度强化学习来学习标注放置策略，这是首个机器学习驱动的标注方法，与现有由人类专家设计的手工算法形成对比。为促进RL学习，我们开发了一个环境，其中智能体作为标签（增强可视化的简短文本注释）的代理。我们的结果表明，由我们的方法训练的策略在完整性（即放置标签的数量）方面显著优于未训练智能体的随机策略以及所比较的由人类专家设计的方法。权衡是计算时间增加，使得所提方法比比较方法慢。尽管如此，我们的方法非常适用于可预先计算标注且完整性至关重要的场景，如地图制图、技术图纸和医学图谱。此外，我们进行了用户研究以评估感知性能。结果显示参与者认为所提方法显著优于其他被考察方法。这表明完整性的提升不仅反映在定量指标中，也反映在参与者的主观评价中。
引用
@article{arxiv.2303.01388,
title = {Reinforced Labels: Multi-Agent Deep Reinforcement Learning for Point-Feature Label Placement},
author = {Petr Bobák and Ladislav Čmolík and Martin Čadík},
journal= {arXiv preprint arXiv:2303.01388},
year = {2023}
}