SmartGD：一种基于 GAN 的面向多样美学目标的图绘制框架
机器学习
2023-08-15 v3
摘要
尽管已有大量关于图绘制的研究，许多现有方法仅聚焦于优化图布局的单一美学方面，可能导致次优结果。少数现有方法尝试开发灵活方案以优化由不同美学准则度量的不同美学方面。此外，得益于深度学习技术的显著进展，近来提出了若干基于深度学习的布局方法。这些方法已展现出深度学习方法在图绘制上的优势。然而，这些现有方法均无法直接应用于优化不可微准则，除非作特殊适配。在本工作中，我们提出一种新颖的基于生成对抗网络（GAN）的深度学习图绘制框架，称为 SmartGD，其可优化不同的定量美学目标，无论其可微与否。为证明 SmartGD 的有效性与效率，我们在最小化应力、最小化边交叉、最大化交叉角、最大化基于形状的度量以及多种美学组合上进行了实验。与几种流行图绘制算法相比，实验结果表明 SmartGD 在定量与定性上均取得良好表现。
引用
@article{arxiv.2206.06434,
title = {SmartGD: A GAN-Based Graph Drawing Framework for Diverse Aesthetic Goals},
author = {Xiaoqi Wang and Kevin Yen and Yifan Hu and Han-Wei Shen},
journal= {arXiv preprint arXiv:2206.06434},
year = {2023}
}