論文の概要: ELSD: Efficient Line Segment Detector and Descriptor

• arxiv url: http://arxiv.org/abs/2104.14205v1
• Date: Thu, 29 Apr 2021 08:53:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-30 13:01:09.351963
• Title: ELSD: Efficient Line Segment Detector and Descriptor
• Title（参考訳）: ELSD: 効率的なラインセグメント検出器とディスクリプタ
• Authors: Haotian Zhang, Yicheng Luo, Fangbo Qin, Yijia He, Xiao Liu
• Abstract要約: 本稿では,ラインセグメントを同時に検出し,画像中のデクリプタを抽出する,ELSD(Efficient Line Segment Detector and Descriptor)を提案する。 ELSDはSLAMや画像マッチングなどの高レベルのタスクに不可欠なライン機能を提供します。 実験では,提案したELSDは,Wireframeデータセットと YorkUrbanデータセット上での最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 9.64386089593887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the novel Efficient Line Segment Detector and Descriptor (ELSD) to simultaneously detect line segments and extract their descriptors in an image. Unlike the traditional pipelines that conduct detection and description separately, ELSD utilizes a shared feature extractor for both detection and description, to provide the essential line features to the higher-level tasks like SLAM and image matching in real time. First, we design the one-stage compact model, and propose to use the mid-point, angle and length as the minimal representation of line segment, which also guarantees the center-symmetry. The non-centerness suppression is proposed to filter out the fragmented line segments caused by lines' intersections. The fine offset prediction is designed to refine the mid-point localization. Second, the line descriptor branch is integrated with the detector branch, and the two branches are jointly trained in an end-to-end manner. In the experiments, the proposed ELSD achieves the state-of-the-art performance on the Wireframe dataset and YorkUrban dataset, in both accuracy and efficiency. The line description ability of ELSD also outperforms the previous works on the line matching task.
• Abstract（参考訳）: 本稿では,ラインセグメントを同時に検出し,画像中のデクリプタを抽出する,ELSD(Efficient Line Segment Detector and Descriptor)を提案する。 検出と記述を別々に行う従来のパイプラインとは異なり、ELSDは検出と記述の両方に共有機能抽出器を使用し、SLAMや画像マッチングといった高レベルなタスクに、リアルタイムで不可欠なライン機能を提供する。 まず, 1 段階コンパクトモデルの設計を行い, 中点, 角度, 長さを直線セグメントの最小表現として用いることを提案する。 非中心性抑制は、線路の交点によって生じる断片化された線分をフィルタリングするために提案される。 細かなオフセット予測は、中間点のローカライゼーションを洗練するために設計されている。 次に、ラインディスクリプタブランチを検出器ブランチに統合し、2つのブランチをエンドツーエンドで共同で訓練する。 実験では、提案したELSDは、Wireframeデータセットと YorkUrbanデータセットの最先端のパフォーマンスを精度と効率の両方で達成する。 ELSDの行記述能力は、行マッチングタスクの前の作業よりも優れています。

関連論文リスト

• Level-line Guided Edge Drawing for Robust Line Segment Detection [38.21854942764346]
  本稿では,ロバストラインセグメント検出(GEDRLSD)のためのレベルラインガイドエッジ描画を提案する。 レベルライン情報は、エッジ追跡のための潜在的な方向を提供し、正確なエッジ描画のためのガイドラインとして提供することができる。 数値実験により,提案したGEDRLSDアルゴリズムは最先端手法と比較して優位性を示した。
  論文  参考訳（メタデータ） (2023-05-10T04:03:59Z)
• DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
  ラインセグメントは、視覚タスクでますます使われています。 画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。 我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:36:49Z)
• Holistically-Attracted Wireframe Parsing: From Supervised to Self-Supervised Learning [112.54086514317021]
  本稿では,線分とジャンクションを用いた幾何解析のためのホロスティック適応型ワイヤフレーム解析法を提案する。 提案したHAWPは、エンド・ツー・フォームの4Dラベルによって強化された3つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2022-10-24T06:39:32Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• LOF: Structure-Aware Line Tracking based on Optical Flow [8.856222186351445]
  光フロー(LOF)に基づく構造認識ライントラッキングアルゴリズムを提案する。 提案するLOFは, ライントラッキング精度, 堅牢性, 効率において, 最先端性能より優れる。
  論文  参考訳（メタデータ） (2021-09-17T11:09:11Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Line Segment Detection Using Transformers without Edges [22.834316796018705]
  提案手法はLinE segment TRansformers (LETR) と呼ばれ,本領域の3つの問題に対処する。 Wireframe と YorkUrban のベンチマークで最新の結果を示す。
  論文  参考訳（メタデータ） (2021-01-06T08:00:18Z)
• ULSD: Unified Line Segment Detection across Pinhole, Fisheye, and Spherical Cameras [17.943949895764938]
  ラインセグメント検出は、コンピュータビジョンとロボット工学におけるハイレベルなタスクに不可欠である。 現在、ほとんどの最新技術(SOTA)法は、歪みのないピンホール画像の直線部分の検出に特化している。 本稿では,歪み画像と歪画像の両方に対して,統一ラインセグメント検出(ULSD)を目標とする。
  論文  参考訳（メタデータ） (2020-11-06T03:30:17Z)
• Deep Hough Transform for Semantic Line Detection [70.28969017874587]
  自然の場面で意味のある線構造、つまり意味的な線を検知する基本的なタスクに焦点をあてる。 従来の手法は線の性質を無視し、準最適性能をもたらす。 行検出のためのワンショットエンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-10T13:08:42Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。