- …
- …
#259
summarized by : Naoya Chiba
どんな論文か？
画像から自己教師学習でベクターグラフィクスを再構成する手法の提案．画像をエンコードしてからRNNでベクターグラフィクスにおけるパスごとのLatent Codeを生成，このLatentを円状に一度配置してから1D CNNで処理，この出力を元にサンプリングし直してからコントロール点を移動し形状を生成．その後ラスタライズし合成して入力画像と比較する．
新規性
ベクターによる教師なしてベクターグラフィクスの再構成を行った点が新規．任意個のパーツから構成されたイラスト画像に対して，RNNによって分解して生成することで対応している．動的にサンプリングすることで，少ないコントロール点うまく再構成できている．これによりイラスト間の補完などが可能になった．
結果
フォントデータ，MNIST，絵文字，アイコンについての再構成性能，補間，VAEによるランダムなサンプルによる生成を行い，いずれも良好な結果となっていることを示した．Limitationとして画像でのみ教師信号とするため，トポロジーを誤って再構成することがあることに言及している．
その他（なぜ通ったか？等）
- …
- …