由英属哥伦比亚大学和 Adobe 提出的栅格→矢量形式转换技术！《PolyFit: Perception-aligned Vectorization of Raster Clip-art via Intermediate Polygonal Fitting》SIGGRAPH 2020 技术论文

由边界线清晰分隔、着色明确的区域构成的光栅剪贴画图像，通常能够让人形成清晰的心理矢量解读。将这些图像矢量化后，可以实现紧凑的无损存储，并支持大量处理操作。尽管近年来有所进展，但针对这类数据的现有矢量化方法仍经常生成不符合观者预期的结果。我们介绍 PolyFit，这是一种旨在生成符合人类偏好的新型剪贴画矢量化方法。由于这类输入的区域分割已可轻松处理，因此我们重点关注将分段平滑的矢量曲线拟合到光栅输入区域的边界上。
传统任务尤其容易失败。感知研究提示了人类在进行心理边界矢量化时可能使用的标准，但并未就这些标准之间的精确相互作用提供指导。直接学习这些相互作用会因解空间过大而成为问题。
为了获得理想的解，我们首先利用感知线索与人类偏好研究中的观察结果，将光栅区域边界用粗略的中间多边形进行近似。然后，我们将这些中间多边形作为辅助输入，用于计算分段平滑的矢量化。我们定义了一组有限的潜在多边形，将原始图元映射为曲线，并学习从多边形到最符合人类标注的图元构成的映射。我们获得了一组紧凑的局部光栅与多边形属性。借助这些组合，可以可靠地预测人类期望的图元选择。通过将计算得到的图元序列拟合到光栅数据上，最终获得矢量化结果。
比较用户研究表明，我们的方法在广泛的数据上优于现有最先进方法。我们的结果在各种分辨率的输入中，被偏好的频率是最接近的竞争方法结果的 3 倍。对于低分辨率彩色数据，这一比例会提高到超过 15:1。我们的结果在各种分辨率的输入中，被偏好的频率是最接近的竞争方法结果的 3 倍。

似乎是通过学习没有违和感的状态来实现的呢。
这个技术真希望尽快实用化呀。

链接

PolyFit: Perception-aligned Vectorization of Raster Clip-art via Intermediate Polygonal Fitting