47、基于简单图元的草图抽象方法

基于简单图元的草图抽象方法

在草图处理领域，如何对草图进行有效的抽象是一个重要的研究方向。本文将介绍几种不同的草图抽象方法，并对它们在草图分类和基于草图的图像检索任务中的性能进行分析。

1. 草图抽象方法分类

草图抽象主要有两种方式：
- 基于选择的抽象（Selection-based abstraction） ：保持输入表示不变（即原始手绘笔触），根据消息对保留草图内容的重要性对其进行排序。在给定预算的情况下，选择最重要的消息子集。常见的方法有深度草图抽象（DSA）和目标驱动的顺序数据抽象（GDSA）。
- DSA ：通过基于分类（检索）排名的奖励来建模每个笔触的重要性，鼓励目标类（照片实例）在所有通信步骤中都获得高排名。
- GDSA ：更通用的策略，适用于各种类型的数据。直接使用下游任务的准确率作为强化学习代理的奖励函数，确保在消息数量增加时性能得以保留。
- 基于形状的抽象（Shape-based abstraction） ：将笔触映射到固定词汇表中的形状，从而简化草图。这种策略不定义消息的排名，而是通过改变笔触本身来实现抽象。例如，Primitive-Matching Network（PMN）和Shape Words（SW）。
- SW ：使用启发式算法将原始笔触分割成多个部分，并通过最小二乘法将每个部分拟合为直线或弧线。
- PMN ：将草图的每个笔触映射到最接近的绘图图元，并预测仿射变换以对齐它们。通过