输入：
点集或连接线集，不相交，简单，凸，封闭多边形 输出：另一组点或一组连接线，可能有开放/分支的多边形
目标：
对于给定的点集，类似于PCA（主成分分析）或曲线拟合，希望计算拟合曲线（多边形：线或点）。
是否存在适合此类任务的神经网络（深度学习）体系结构？
这是“序列到序列”模型。输入是可变长度点或线（m）的序列。输出是可变长度的点/线（n）。 m可能与n不同，多数情况下较小。 对于每组输入/输出，m和n将不同。即。 m1与m2不同。
RNN和LSTM似乎用于固定长度的输入/输出。另一个限制是我不能使用存储桶或填充来使输入/输出固定长度，因为没有好的PAD值。 PAD值（0.0，0.0）在给定点集中可以视为有效。
请提出良好的神经网络模型。有参考资料/论文吗？