用于布局生成的变分Transformer网络
计算机视觉与模式识别
2021-04-07 v1 机器学习
摘要
能够合成不同种类布局（例如文档、用户界面或家具布置）的生成模型，是辅助设计流程以及作为合成数据生成第一步等任务中的有用工具。我们利用自注意力层的特性来捕获布局中元素间的高层关系，并将其用作众所周知的变分自编码器（VAE）框架的构建模块。我们提出的变分 Transformer 网络（VTN）能够在无显式监督的情况下学习页边距、对齐及其他全局设计规则。从我们的模型中采样的布局与训练数据具有高度相似性，同时展现出良好的多样性。在不同布局类型的公开基准上的广泛评估中，VTN 实现了最先进的多样性和感知质量。此外，我们展示了该方法作为文档布局检测流水线一部分的能力。
引用
@article{arxiv.2104.02416,
title = {Variational Transformer Networks for Layout Generation},
author = {Diego Martin Arroyo and Janis Postels and Federico Tombari},
journal= {arXiv preprint arXiv:2104.02416},
year = {2021}
}
备注
To be published in CVPR 2021