LIVE - 朝向分层图像矢量化（CVPR 2022 口头报告）

Xu Ma、 Yuqian Zhou、 Xingqian Xu、 Bin Sun、 Valerii Filev、 Nikita Orlov、 Yun Fu、 Humphrey Shi

、、、

主要联系人：Xu Ma

我们提出了一种新方法，以分层方式逐步生成适合栅格图像的SVG。给定任意输入图像，LIVE通过添加新的可优化闭合贝塞尔路径并优化所有这些路径，递归地学习视觉概念。

从左到右分别是(1)输入栅格图像、(2)DiffVG（路径=5）的输出SVG、(3)DiffVG（路径=256）的输出SVG以及(4)我们的LIVE（路径=5）的输出。仅使用5条路径，DiffVG无法重建输入图像。当将路径数增加到256（显著大于必要路径数）时，DiffVG能够重建输入。与之不同，我们的LIVE仅使用5条路径就能重建输入的笑脸，并展示了紧凑的分层表示（我们重新调整了速度以匹配三个gif。）。

安装

我们建议用户使用conda创建新的Python环境。

要求：5.0<GCC<6.0；nvcc>10.0。

git clone https://github.com/Picsart-AI-Research/LIVE-Layerwise-Image-Vectorization.git
cd LIVE-Layerwise-Image-Vectorization
conda create -n live python=3.7
conda activate live
conda install -y pytorch torchvision -c pytorch
conda install -y numpy scikit-image
conda install -y -c anaconda cmake
conda install -y -c conda-forge ffmpeg
pip install svgwrite svgpathtools cssutils numba torch-tools scikit-fmm easydict visdom
pip install opencv-python==4.5.4.60  # 请安装此版本以避免分段错误。

cd DiffVG
git submodule update --init --recursive
python setup.py install
cd ..

运行实验

conda activate live
cd LIVE
# 请相应地修改参数。
python main.py --config <config.yaml> --experiment <experiment-setting> --signature <given-folder-name> --target <input-image> --log_dir <log-dir>
# 这里是一个简单的例子：
python main.py --config config/base.yaml --experiment experiment_5x1 --signature smile --target figures/smile.png --log_dir log/

引用

@inproceedings{xu2022live,
    title={Towards Layer-wise Image Vectorization},
    author={Ma, Xu and Zhou, Yuqian and Xu, Xingqian and Sun, Bin and Filev, Valerii and  Orlov, Nikita and Fu, Yun and Shi, Humphrey},
    booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition},
    year={2022}
}

致谢

我们的实现主要基于diffvg代码库。我们衷心感谢作者们的出色工作。

许可证

LIVE使用Apache-2.0许可证。