在乌鲁木齐flash动画制作中，矢量图是必不可少的，它以清晰度著称，尤其是在背景与人物动画中，但是在背景绘制中，无法完全使用矢量图进行，而需要手绘制作，以png图片进行充当，但是会造成像素低廉的问题。于是我们需要位图转换为矢量的工具。但是这种工具都有许多的共同点那就是无法进行完美的模拟还原，但是一个名为基于神经网络的线图矢量化语义分割的新技术改变了一切，来自微工匠动画工作室的小编为你带来关于基于神经网络的线图矢量化语义分割的全面内容介绍。
    基于神经网络的线图矢量化语义分割是由Kim, Wang, Öztireli等人共同完成的。
    他们提出了一种矢量化线条艺术的光栅图像的方法。反转光栅化过程本质上是病态的，因为存在许多可能产生相同光栅图像的矢量图像。然而，并非所有这些矢量图像对用户同样有用，特别是如果需要进行进一步的编辑。因此，他们定义了计算可能已创建光栅图像的最可能路径集的实例分段的问题。计算分割后，他们使用现有的矢量化方法对每条路径进行矢量化，然后将所有路径组合成最终的输出矢量图像。为了确定哪一组路径最有可能，他们训练一对神经网络以提供语义线索，帮助解决交叉点和重叠区域的模糊性。这些预测是在考虑图像的完整背景的情况下进行的，然后通过求解马尔可夫随机场（MRF）进行全局组合。他们通过在角色数据集，合成随机线数据集和由人工绘制的草图组成的数据集上生成结果来展示他们方法的灵活性。对于所有情况，他们的系统都能准确地恢复符合图纸语义的路径。
    以上就是关于关于基于神经网络的线图矢量化语义分割的全面内容介绍了来自微工匠动画工作室的小编感谢你的观看。