Language Model for Layout "LayoutBERT" 要約

LayoutBERT: Learning to Generate Vector Graphic Documents Author: Kota Yamaguchi https://arxiv.org/abs/2205.00347 CVPR 2022 Workshop 画像やドキュメントのBBoxの配置関係から、系列処理的に編集レイアウトを提案することを目標としたモデルをつくる。NLPにおけるBERTのSSLと同じ要領で、レイアウトも「大体この位置関係にありがちだろう」みたいな予測モデルが作れるという洞察がとてもおもしろい。 図は特に明記しない限り元論文からの引用です。 概要 複数の画像からオブジェクトを取り出してコラージュする画像合成タスクにおいて、挿入するオブジェクトの正確なマスクを作成して合成先のシーンといい感じに合成することは困難な作業で、普通は人がPhotoshopなどで行っている。