ブリティッシュコロンビア大学、とAdobeによる、ラスタ→ベクタ形式変換技術！「PolyFit: Perception-aligned Vectorization of Raster Clip-art via Intermediate Polygonal Fitting」SIGGRAPH 2020 技術論文
はっきりとした境界線で区切られた明確に色付けされた領域で構成されるラスタークリップアートイメージは、通常、明確なメンタルベクトルの解釈を可能にします。これらの画像をベクトル化すると、コンパクトなロスレスストレージが容易になり、多数の処理操作が可能になります。最近の進歩にもかかわらず、このデータを対象とする既存のベクトル化手法では、視聴者の期待に応えられないベクトル化が頻繁に発生します。人間の好みに合わせて出力を生成する新しいクリップアートベクトル化メソッドであるPolyFitを紹介します。このような入力の領域へのセグメンテーションは問題なく処理されたため、区分的滑らかなベクトル曲線をラスター入力領域の境界に適合させることに焦点を当てています。
従来のタスクは特に失敗しがちです。知覚的研究は、人間が精神的境界のベクトル化中に使用する可能性が高い基準を示唆していますが、それらの間の正確な相互作用についてのガイダンスは提供していません。これらの相互作用を直接学習することは、解空間のサイズが大きいために問題があります。
望ましい解決策を取得するには、まず、知覚的な手がかりと人間の好みの研究からの観察結果の組み合わせを利用して、ラスター領域の境界を粗い中間ポリゴンで近似します。次に、これらの中間ポリゴンを、区分的滑らかなベクトル化を計算するための補助入力として使用します。プリミティブマップを曲線にする潜在的なポリゴンの有限セットを定義し、ポリゴンから、人間の注釈から最も適合するプリミティブ構成へのマッピングを学習します。ローカルラスタとポリゴンプロパティのコンパクトなセットに到達します。これらの組み合わせにより、人間が期待するプリミティブの選択が確実に予測されます。計算されたプリミティブシーケンスをラスターデータに適合させることにより、最終的なベクトル化を取得します。
比較ユーザー調査によると、私たちの方法は、幅広いデータで最先端のアプローチよりも優れています。私たちの結果は、さまざまな解像度の入力間で最も近い競合他社の結果の3倍の頻度で優先されます。低解像度のカラーデータでは、この設定は15：1を超える比率に増加します。私たちの結果は、さまざまな解像度の入力間で最も近い競合他社の結果の3倍の頻度で優先されます。
違和感のない状態を学習させることで実現出来ているみたいですね。
これは早く実用化されてほしい技術ですよー。
リンク
PolyFit: Perception-aligned Vectorization of Raster Clip-art via Intermediate Polygonal Fitting
コメント