RoboCoDraw：基于GAN风格迁移与时效路径优化的机器人化身绘制
机器人学
2019-12-12 v1 图形学
摘要
机器人绘画作为娱乐与交互工具日益流行。本文提出 RoboCoDraw，一种基于协作机器人的实时绘制系统，利用基于生成对抗网络（GAN）的风格迁移与基于随机键遗传算法（RKGA）的路径优化，在人用户面前交互式绘制风格化人脸素描。所提 RoboCoDraw 系统以真实人脸图像为输入，将其转换为风格化化身，再由机械臂绘出。该系统的核心组件为我们提出的 Avatar-GAN，其从真实人脸生成卡通化身人脸图像。AvatarGAN 仅以非配对人脸与化身图像训练，相较原始 CycleGAN 能生成与真人脸相似度更高的化身图像。化身图像生成后，送入线提取算法并转为素描。基于 RKGA 的路径优化算法用于寻找机械臂执行的时效绘制路径。我们使用轻量、安全的协作机器人 UR5 在多种人脸图像上展示了 RoboCoDraw 的能力。
引用
@article{arxiv.1912.05099,
title = {RoboCoDraw: Robotic Avatar Drawing with GAN-based Style Transfer and Time-efficient Path Optimization},
author = {Tianying Wang and Wei Qi Toh and Hao Zhang and Xiuchao Sui and Shaohua Li and Yong Liu and Wei Jing},
journal= {arXiv preprint arXiv:1912.05099},
year = {2019}
}
备注
Accepted by AAAI2020