我需要一种算法来跟踪简单的位图，它只包含给定笔画宽度的路径。
是否有任何现有的尝试来创建从位图中提取矢量路径的深度学习模型？
从矢量路径生成位图显然非常容易，因此为机器学习算法创建数据很简单。可以通过给出向量和位图表示来训练模型。一旦训练，它将能够从给定的位图生成矢量路径。
这看起来很简单，但我找不到任何关于这个特定任务的工作。所以，我想这个问题不适合当前的深度学习架构，为什么？
目标是追踪这种图像，用粗毡笔手工绘制并扫描：
那么，是否有适合这个问题的深度学习架构呢？
我相信这个问题可以帮助我理解深度学习可以做什么，不能做什么，以及为什么。跟踪位图是将稀疏数据转换为密集抽象表示的完美示例；我有直觉可以从这个问题中学到很多东西。
如果我们寻求经过验证的工作源代码来插入与 GPLv2 许可证兼容的解决方案，我们至少应该考虑自动跟踪。它的源代码是开放供审查的。它可以针对我们拥有的示例图像进行测试，如果它工作正常，则由我们的 GPLv2 软件调用。我们甚至可以使用Inkscape 插件图像跟踪实现中的调用代码作为设计和实现调用程序的良好起点，无论是 C、C++、Java、Python 还是 ECMA (JS)。
Adobe Illustrator 中的跟踪算法具有可比性，但不是开源的。
如果我们寻求理论，有几个学术出版物讨论了一些理论，最后一个最符合机器学习意识形态。我不会仅仅因为它与当前的机器学习习语没有联系就放弃早期的工作。调查被许多人完全实施和成功使用的东西，遵循一句明智的古老商业谚语：手中的鸟胜过丛林中的两只。
Potrace：基于多边形的跟踪算法，Peter Selinger，2003
包含半色调点的二进制图像的矢量表示，Kei Kawamura，Hiroshi Watanabe，Hideyoshi Tominaga，2004
测试 AutoTrace：自动舌轮廓数据提取的机器学习方法，Jae-Hyun Sung、Jeff Berry、Marissa Cooper、Gustave Hahn-Powell 和 Diana Archangeli，2013 年
许多在线绘图程序收集数据。如果在慷慨提供在线带宽的背后，他们正在建立一个不断改进的数据集来训练新一代的自动追踪器，那就不足为奇了。没有人发布过承认这么多的 AI 设计，但他们没有法律义务这样做，因为单个输入示例无法从训练产生的自动跟踪服务中确定。