CVPR2020论文解析手绘草图卷积网络在语义分割中的应用

CVPR2020论文解读：手绘草图卷积网络语义分割

Sketch GCN模型：基于语义草图分割的任务采用了图卷积网络技术

论文链接：https://arxiv.org/pdf/2003.00678.pdf

摘要

该网络用于实现手绘草图语义分割与标注功能。我们将输入的手绘草图视为二维点集，并将其中的笔划结构信息编码为图形节点与边表示。通过结合图卷积层与全局分支网络架构来提取内部特征以及跨特征关系，在预测每个点的标签时表现出色。实验结果表明该模型显著超越了现有方法，在多个评估指标上均展现出卓越性能：在基于像素级别的度量中提升了11.4%（达到90.6%的准确率），在基于组件级别的度量中提升了18.2%（达到87.9%），并且仅使用约35万参数实现了这些成绩，在大规模具有挑战性的SPG数据集上表现尤为突出。

Introduction

随着数字触摸设备（如智能手机、平板电脑）以及基于草图的各种界面持续更新与完善,手绘草图正在成为人机交互中的一种常见方式,然而由于用户绘制的手绘草图通常具有模糊性和稀疏性,这使得计算机解读手绘草图标仍然存在挑战,因为这些图形常