先进制造技术

本发明涉及一种基于类编解码结构的草图语义分割方法，属于计算机视觉技术领域。具体地，将草图视为二维点集合，通过利用笔画内部结构和采样点的空间位置关系开发了新颖的局部特征聚集模块，该模块编码了丰富的局部特征，并定义了笔画距离，用于兼顾草图的二维空间分布和笔画结构；设计了线段层次自注意力模块用于建立和增强草图线段之间的关系，线段层次自注意力模块更好地描述了草图的内部结构；基于全局注意力机制，提出了末尾具有两个子分支的类编解码结构，包括：点层次子分支和线段层次子分支；最终，两个子分支的输出融合在一起生成语义分割结果。本发明相对于已存在的方法，具有更精准的分割结果和较高的鲁棒性。

提升草图处理精度：基于类编解码结构的草图语义分割方法能够精确识别草图中的不同语义区域，显著提高草图分析和处理的准确性。

推动创意设计自动化：该技术可应用于工业设计、动画制作等领域，自动提取草图语义信息，加速设计流程，提高创作效率。

增强人机交互体验：通过草图语义分割，实现更智能的人机交互，提升用户与设计软件、智能设备的沟通效率。

拓展计算机视觉应用：该技术为草图理解、图像生成等计算机视觉任务提供新方法，推动人工智能在创意产业中的应用与创新。

1、本发明是一种使用点集合作为输入的草图语义分割方法，与绝大多数方法相比，本发明方法具有参数量少，计算复杂度低等特点，方便方法移植到便携设备上运行。

2、本发明的局部特征聚集模块编码了丰富的与语义相关的信息，包括：绝对位置信息，相对位置信息，中间阶段特征，笔画信息等，相对于传统局部特征聚集模块所考虑到的信息更加充分，且本发明的局部特征聚集模块计算过程符合笔画结构。

3、本发明提出了一种线段层次自注意力模块，该模块被设置在类编解码结构末尾的线段层次子分支用于建立和增强草图中线段之间的关系，更加精准地描述草图的内部结构。

4、本发明提出了一种类编解码结构，该结构与传统的编解码结构相比，未丢掉关键点的特征信息，且实现了全局多尺度技术，使最终生成的语义分割结果可以关注到不同关键阶段的草图特征。本发明依据“点”层次和“线段”层次两个角度共同划分草图的语义，且所依赖的模型是一种端到端网络，方法简单而高效。