申请/专利权人:上海交通大学
申请日:2024-01-11
公开(公告)日:2024-04-12
公开(公告)号:CN117876527A
主分类号:G06T11/20
分类号:G06T11/20;G06N3/006;G06N3/045;G06N3/0475;G06N3/092;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:一种基于约束马尔可夫决策的简洁连续笔画重构草图的方法,将使用矢量笔划序列生成目标草图的任务抽象成带有约束条件的优化问题,采用基于约束马尔可夫决策过程对带有约束条件的优化问题进行建模,确定绘制过程中画笔的起点坐标、目标图像以及当前画布,搭建包含智能体的策略网络、奖励价值网络以及成本价值网络并进行初始化,从而构建基于约束马尔科夫决策过程的强化学习模型;基于渲染器搭建将一维笔划坐标映射到二维图像模拟环境,智能体通过与该环境的交互生成训练样本,使用带有拉格朗日方法的深度确定性策略梯度算法对模型进行训练,再基于训练后的策略网络,根据当前的画布状态、目标图像和画笔起点生成最优动作序列并生成目标图像。本发明能够生成像人类一样的简约的连续矢量笔划序列并通过渲染器显示在画布上再现目标草图。
主权项:1.一种基于约束马尔可夫决策的简洁连续笔画重构草图的方法,其特征在于,在训练阶段,将使用矢量笔划序列生成目标草图的任务抽象成带有约束条件的优化问题,基于约束马尔可夫决策过程将带有约束条件的优化问题建模为强化学习模型,确定绘制过程中画笔的起点坐标、目标图像以及当前画布,搭建包含智能体的策略网络、奖励价值网络以及成本价值网络并进行初始化;基于渲染器搭建将一维笔划坐标映射到二维图像模拟环境,智能体通过与该环境的交互生成训练样本,使用带有拉格朗日方法的深度确定性策略梯度算法对强化学习模型进行训练;在在线阶段,基于训练后的策略网络,根据当前的画布状态、目标图像和画笔起点生成最优动作序列并生成目标图像。
全文数据:
权利要求:
百度查询: 上海交通大学 基于约束马尔可夫决策的简洁连续笔画重构草图的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。