217-A1.2｜图像矢量化，学习通过图形程序合成几何艺术作品，过拟合和灾难性遗忘问题，利用离散扩散先验解决图像逆问题｜Tue

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image｜Vectorization, Geometric Artworks & Graphics Programs DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization 2024-10-21｜USYD｜⭐️ http://arxiv.org/abs/2410.15760v1 概述 在计算机图形学领域， 图像向量化（即将栅格图像转换为矢量格式）面临着许多挑战，尤其是在保留图像内容的高层次语义信息方面 。现有的基于学习的方法常常导致形状不完整、路径预测冗余以及无法准确保持原始内容的语义。为了解决这些问题，本文提出了DeepIcon，一个专门设计用于生成可变长度图标矢量图的分层网络。DeepIcon能够直接从栅格图像生成可扩展矢量图形（SVG），同时避免了对可微分光栅化器的依赖。实验结果表明，DeepIcon在理解图像内容方面表现出色，并且在图像向量化任务中优于现有的最先进方法。 方 ………………………………