Tag · 3 篇

图像矢量化

分布生成模型与扩散2底层视觉与图像复原1

VectorArk: Learning Practical Image Vectorization with Rounded Polygon Representation

圆角多边形表示把矢量图元的学习简化为可回归的几何参数，配合退化模型提升对未知栅格化方式与生成图像的鲁棒性，可复用于任何需要从像素回归结构化几何表示的视觉任务。

GVIS: Generative Vector Image Steganography

利用扩散模型生成的栅格图像经矢量化后，其贝塞尔控制点坐标可作为隐写载体；这种“生成-矢量化-差分提取”的免训练流程，为视觉研究者提供了一种把扩散采样过程当作确定性编码通道的思路，可迁移到水印、版权溯源与可控生成中的隐式信息注入。

Clair Obscur: an Illumination-Aware Method for Real-World Image Vectorization

将本征图像分解（albedo/shade/light）引入矢量域，用可微渲染做两阶段优化，为图像矢量化提供光照感知的表示，可复用于需要可编辑矢量表示或光照解耦的视觉任务。