論文の概要: Deep Vectorization of Technical Drawings
- arxiv url: http://arxiv.org/abs/2003.05471v3
- Date: Thu, 30 Jul 2020 14:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:36:01.951282
- Title: Deep Vectorization of Technical Drawings
- Title（参考訳）: 技術図面の深部ベクトル化
- Authors: Vage Egiazarian, Oleg Voynov, Alexey Artemov, Denis Volkhonskiy,
Aleksandr Safin, Maria Taktasheva, Denis Zorin, Evgeny Burnaev
- Abstract要約: 本稿では,床図,建築図面,2次元CAD画像などの技術線図のベクトル化手法を提案する。
本手法は,(1)画像の背景や欠陥を除去し,欠落部分を埋める深層学習に基づくクリーニングステージ,(2)ベクトルプリミティブを推定するトランスフォーマーベースのネットワーク,(3)最終的なプリミティブ構成を得るための最適化手順を含む。
- 参考スコア（独自算出の注目度）: 78.07663999694061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new method for vectorization of technical line drawings, such as
floor plans, architectural drawings, and 2D CAD images. Our method includes (1)
a deep learning-based cleaning stage to eliminate the background and
imperfections in the image and fill in missing parts, (2) a transformer-based
network to estimate vector primitives, and (3) optimization procedure to obtain
the final primitive configurations. We train the networks on synthetic data,
renderings of vector line drawings, and manually vectorized scans of line
drawings. Our method quantitatively and qualitatively outperforms a number of
existing techniques on a collection of representative technical drawings.
- Abstract（参考訳）: 本稿では,床図,建築図面,2次元CAD画像などの技術線図のベクトル化手法を提案する。
本手法は,(1)画像の背景や不完全さを解消し,欠落部分を埋め込むディープラーニングベースのクリーニングステージ,(2)ベクトルプリミティブを推定するトランスベースネットワーク,(3)最終的なプリミティブ構成を得るための最適化手順を含む。
ネットワークを合成データ、ベクトル線描画のレンダリング、手動で線描画のベクトル化スキャンに基づいて訓練する。
本手法は,代表的技術図面の収集において,既存の技術よりも定量的かつ定性的に優れている。
関連論文リスト
- VectorGraphNET: Graph Attention Networks for Accurate Segmentation of Complex Technical Drawings [0.40964539027092917]
本稿では,PDF形式での技術図面からベクトルデータを抽出し,解析する手法を提案する。
提案手法では,PDFファイルをSVGフォーマットに変換し,機能豊富なグラフ表現を生成する。
次に、階層的なラベル定義を持つグラフアテンション変換器を適用し、正確な線レベルセグメンテーションを実現する。
論文 参考訳（メタデータ） (2024-10-02T08:53:20Z) - Segmentation-guided Layer-wise Image Vectorization with Gradient Fills [6.037332707968933]
そこで本稿では,画像を勾配を埋め込んだ簡潔なベクトルグラフに変換するためのセグメンテーション誘導ベクトル化フレームワークを提案する。
組込み勾配認識セグメンテーションの指導により, 段階的に勾配を埋め込んだB'ezierパスを出力に付加する。
論文 参考訳（メタデータ） (2024-08-28T12:08:25Z) - MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。
暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
論文 参考訳（メタデータ） (2024-07-18T17:50:03Z) - Text-to-Vector Generation with Neural Path Representation [27.949704002538944]
本稿では,シーケンスと画像の両モードから経路潜在空間を学習するニューラルパス表現を提案する。
第1段階では、事前訓練されたテキスト・ツー・イメージ拡散モデルにより、複雑なベクトルグラフィックスの初期生成が導かれる。
第2段階では、レイヤワイズ画像ベクトル化戦略を用いてグラフィクスを洗練し、より明確な要素と構造を実現する。
論文 参考訳（メタデータ） (2024-05-16T17:59:22Z) - Texture, Shape and Order Matter: A New Transformer Design for Sequential DeepFake Detection [57.100891917805086]
シーケンシャルディープフェイク検出は、順番に操作シーケンスを予測する新しいタスクである。
本稿では, テクスチャ, 形状, 操作順序の3つの視点を探索し, TSOM と呼ばれる新しいトランスフォーマーの設計について述べる。
論文 参考訳（メタデータ） (2024-04-22T04:47:52Z) - Cross-domain and Cross-dimension Learning for Image-to-Graph
Transformers [50.576354045312115]
直接画像からグラフへの変換は、単一のモデルにおけるオブジェクトの検出と関係予測を解決するための課題である。
画像-グラフ変換器のクロスドメインおよびクロス次元変換学習を可能にする一連の手法を提案する。
そこで我々は,2次元の衛星画像上でモデルを事前学習し,それを2次元および3次元の異なるターゲット領域に適用する。
論文 参考訳（メタデータ） (2024-03-11T10:48:56Z) - Component Segmentation of Engineering Drawings Using Graph Convolutional
Networks [0.8941624592392744]
本稿では2次元工学的部分描画のベクトル化と機械解釈を自動化するためのデータ駆動型フレームワークを提案する。
これらの課題を克服するために,各ベクトル化コンポーネントの意味型を予測するディープラーニングベースのフレームワークを提案する。
その結果,本手法は最近の画像とグラフベースセグメンテーション法に比較して,最高の性能を示すことがわかった。
論文 参考訳（メタデータ） (2022-12-01T05:31:07Z) - ARF: Artistic Radiance Fields [63.79314417413371]
本稿では,任意のスタイル画像の芸術的特徴を3Dシーンに転送する方法を提案する。
点雲やメッシュ上で3次元スタイリングを行う従来の手法は、幾何的再構成誤差に敏感である。
より頑健なラディアンス場表現の体系化を提案する。
論文 参考訳（メタデータ） (2022-06-13T17:55:31Z) - Geometric Understanding of Sketches [0.0]
そこで本研究では,システムのスケッチの幾何学的理解を支援する2つの手法について検討する。
最初の研究は、グラフ構造としての2次元線描画の解釈を扱い、また、ロボットによる物理的再構成によってその効果を示す。
2つ目の研究では、3次元幾何学に関する情報に明示的にアクセスすることなく、スケッチベースシステムの3次元幾何学的理解をテストする。
論文 参考訳（メタデータ） (2022-04-13T23:55:51Z) - 3DStyleNet: Creating 3D Shapes with Geometric and Texture Style
Variations [81.45521258652734]
本稿では,3次元オブジェクトの幾何学的・テクスチャ的バリエーションを多用する手法を提案する。
提案手法は,多くの新しいスタイルの形状を作成でき,その結果,無駄な3Dコンテンツ作成とスタイルウェアデータ拡張を実現している。
論文 参考訳（メタデータ） (2021-08-30T02:28:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。