摘要
几何图解析在几何问题求解中发挥着关键作用，其中基本元素提取和关系解析由于复杂的布局和元素间的关系而仍然具有挑战性。本文提出了一种基于深度学习和图推理的强大图解析器。具体而言，我们提出了一种改进的实例分割方法来提取几何基本元素，并利用图神经网络（GNN）结合几何特征和先验知识实现关系解析和基本元素分类。所有模块被集成到一个端到端模型中，称为PGDPNet，以同时执行所有子任务。此外，我们构建了一个新的大规模几何图数据集，命名为PGDP5K，包含基本元素级别的注释。在PGDP5K和现有数据集IMP-Geometry3K上的实验表明，我们的模型在四个子任务上显著优于现有最先进方法。我们的代码、数据集及附录材料可在https://github.com/mingliangzhang2018/PGDP 获取。