SymPoint革命:利用层次特征增强提升全景符号定位
该研究使用卷积神经网络(CNNs)和基于介轴的轮廓显著性方法对线描图进行场景分类,进一步探讨了卷积神经网络在边缘特征上的表现,并发现介轴轮廓显著性权重可以在CNNs处理轮廓时提供额外的信息。
Nov, 2018
本研究提出了一种基于深度学习的YOLO架构的对象检测框架,以解决现实世界数字建筑平面图形符号差异和噪声问题,并基于图块的训练策略有效解决了符号较小与整个平面图比例不协调等问题,实验证明该方法能成功检测出具有低类内相似性和可变图形复杂度的建筑符号。
Jun, 2020
本研究提出了BezierSketch作为全矢量、高分辨率的生成模型,采用新颖的逆向图形学方法将每个笔画嵌入到其最佳Bezier曲线中。通过使用这个模型,我们成功训练了一个具有更大容量生成长时间草图的递归草图生成器,并且取得了较好的定性和定量结果。
Jul, 2020
本文提出了Panoptic Layout Generative Adversarial Networks(PLGAN)来解决交互式场景中实现真实感的假图像生成难题,该方法使用panoptic理论根据物体的形状判断物体种类,将stuff和instance布局分别构建后再融合为panoptic布局,实验结果表明PLGAN具有明显优势。
Mar, 2022
LayoutBERT 提出了一种基于自监督掩蔽语言模型目标和双向多头自注意力的自动图像叠加技术,主要用于解决自动选择对象并在图像中正确放置的难题,并在 COCO、PublayNet 等数据集上取得了较好表现,同时还提供了一个包含580万个包括布局注释的图像数据集。
Apr, 2022
该研究探讨了全局符号定位问题,即如何从计算机辅助设计绘图中找到和解析可数的物体实例(窗户、门、桌子等)和不可数的材料(墙壁、栏杆等)。研究采用了点云分割方法,将图形基元视为一组局部连接的二维点,并利用点变换器提取基元特征,并附加类似于mask2former的定位头来进行最终输出预测。另外,为了更好地利用基元的局部连接信息并增强其可区分性,研究还提出了关联模块(ACM)和对比连接学习方案(CCL)。该方法被命名为SymPoint,简单而有效,在FloorPlanCAD数据集上相较于最先进方法GAT-CADNet提高了9.6%的PQ和10.4%的RQ。
Jan, 2024
本研究提出了一种通过渐进高斯核(PGK)进行像素点位置的方法,以平衡训练效率和位置准确性,通过关键点检测,提出了一种符号分组方法,以重新绘制CAD图像中的矩形符号。在电信行业CAD绘图中提取的CAD图像上进行的广泛实验表明,所提出的方法具有良好的泛化能力。
Apr, 2024
基于全景分割掩码,我们提出了一种模型不可知的课程形状感知特征学习策略,将形状感知特征与Panoptic Scene Graph Generation相结合,并采用易于困难的方式整合形状感知特征,通过在训练过程中区分学习难度不同的谓词组,并利用知识蒸馏保留早期阶段获取的知识,我们证明了我们提出的方法在两个全景场景图生成任务中以及鲁棒性和零样本上的优越性和鲁棒性。
Jul, 2024
通过自我监督渲染,PICASSO提出了一种从手绘或精确草图图像中进行CAD草图参数化的新框架。该框架利用草图的几何特性作为学习线索,从而实现了即使在参数级别缺乏注释的情况下,也能够从精确或手绘的草图图像中学习参数化CAD草图。
Jul, 2024