大多数最先进的实例分割方法产生二进制分割掩码，但是，地理和制图应用程序通常需要精确的向量多边形的提取物体而不是光栅化输出。本文介绍了Polyworld，一个神经网络，即直接从图像中提取构建顶点并正确连接它们以创建精确的多边形。该模型使用图形神经网络预测每对顶点之间的连接强度，并通过解决可差化的最佳运输问题来估计分配。此外，通过最小化组合分割和多边形角差损失来优化顶点位置。Polyworld显着优于建筑多边形的最先进，并且不仅达到了显着的定量结果，而且还产生了视觉上令人愉悦的建筑多边形。代码和培训的重量将很快在GitHub上提供。
translated by 谷歌翻译