基于实例-几何交互的统一向量提取
计算机视觉与模式识别
2025-10-16 v1
摘要
向量提取从光栅图像中检索结构化向量几何，具有高保真表示和广泛适用性。然而，现有方法通常针对单一向量类型（例如多边形、折线、线段）进行设计，需为不同结构开发独立模型。这源于将实例属性（类别、结构）与几何属性（点坐标、连接关系）独立处理，限制了对复杂结构的捕获能力。受人类大脑在视觉感知中同时利用语义与空间交互作用的启发，本文提出 UniVector 框架，利用实例-几何交互在单一模型中提取多种向量类型。UniVector 将向量编码为包含实例级与几何级信息的结构化查询，并通过交互模块实现跨层级上下文交换。动态形状约束进一步细化全局结构与关键点。为评估多结构场景，本文引入 Multi-Vector 数据集，包含多样化的多边形、折线和线段。实验表明 UniVector 在单结构与多结构向量提取任务上均实现了最新成果。代码与数据集将在 https://github.com/yyyyll0ss/UniVector 发布。
引用
@article{arxiv.2510.13234,
title = {UniVector: Unified Vector Extraction via Instance-Geometry Interaction},
author = {Yinglong Yan and Jun Yue and Shaobo Xia and Hanmeng Sun and Tianxu Ying and Chengcheng Wu and Sifan Lan and Min He and Pedram Ghamisi and Leyuan Fang},
journal= {arXiv preprint arXiv:2510.13234},
year = {2025}
}