SSIG：一种用于平面图相似性的视觉引导图编辑距离
计算机视觉与模式识别
2023-09-11 v1 图形学
摘要
我们提出了一种简单而有效的度量，用于衡量建筑平面图的视觉实例之间的结构相似性，且无需学习。定性实验表明，我们的检索结果与深度学习方法相似。有效比较平面图数据的实例对于机器理解平面图数据的成功至关重要，包括评估平面图生成模型和平面图推荐系统。比较视觉平面图图像不仅仅是逐像素的视觉检查，关键在于组成布局的各分区之间形状和关系的相似与差异。目前，深度度量学习方法被用于学习一个成对向量表示空间，以紧密模仿结构相似性，其中模型在通过交并比（IoU）获得的相似性标签上训练。为弥补IoU中结构感知的缺失，采用图匹配网络（GMNs）等基于图的方法，其需要成对推理来比较数据实例，使得GMNs在检索应用中不太实用。本文提出了一种判断平面图结构相似性的有效评估度量，称为SSIG（基于IoU和GED的结构相似性），其基于图像距离和图距离。此外，开发了一种高效算法，利用SSIG对大规模平面图数据库进行排序。代码将公开可用。
引用
@article{arxiv.2309.04357,
title = {SSIG: A Visually-Guided Graph Edit Distance for Floor Plan Similarity},
author = {Casper van Engelenburg and Seyran Khademi and Jan van Gemert},
journal= {arXiv preprint arXiv:2309.04357},
year = {2023}
}
备注
To be published in ICCVW 2023, 10 pages