使用生成对抗网络迁移多尺度地图样式
计算机视觉与模式识别
2019-05-21 v2 机器学习
图像与视频处理
摘要
人工智能（AI）技术的进步使得从现有地图或其他视觉艺术中学习风格化设计准则，并将这些风格迁移以制作新数字地图成为可能。本文提出了一种利用AI进行跨多地图尺度适用的地图风格迁移的新框架。具体而言，我们通过两个生成对抗网络（GAN）模型，从一组目标视觉样例（包括Google Maps、OpenStreetMap和艺术绘画）中识别并提取风格化元素，将其迁移至未风格化的GIS矢量数据。随后，我们基于深度卷积神经网络训练一个二分类器，以评估迁移后的风格化地图图像是否保留了原始地图设计特征。实验结果表明，GAN在多尺度地图风格迁移方面具有巨大潜力，但仍有诸多挑战有待未来研究。
引用
@article{arxiv.1905.02200,
title = {Transferring Multiscale Map Styles Using Generative Adversarial Networks},
author = {Yuhao Kang and Song Gao and Robert E. Roth},
journal= {arXiv preprint arXiv:1905.02200},
year = {2019}
}
备注
12 pages, 17 figure