論文の概要: Level-line Guided Edge Drawing for Robust Line Segment Detection

• arxiv url: http://arxiv.org/abs/2305.05883v1
• Date: Wed, 10 May 2023 04:03:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 14:25:51.641335
• Title: Level-line Guided Edge Drawing for Robust Line Segment Detection
• Title（参考訳）: ロバストラインセグメント検出のためのレベルラインガイドエッジ描画
• Authors: Xinyu Lin, Yingjie Zhou, Yipeng Liu, Ce Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 38.21854942764346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Line segment detection plays a cornerstone role in computer vision tasks. Among numerous detection methods that have been recently proposed, the ones based on edge drawing attract increasing attention owing to their excellent detection efficiency. However, the existing methods are not robust enough due to the inadequate usage of image gradients for edge drawing and line segment fitting. Based on the observation that the line segments should locate on the edge points with both consistent coordinates and level-line information, i.e., the unit vector perpendicular to the gradient orientation, this paper proposes a level-line guided edge drawing for robust line segment detection (GEDRLSD). The level-line information provides potential directions for edge tracking, which could be served as a guideline for accurate edge drawing. Additionally, the level-line information is fused in line segment fitting to improve the robustness. Numerical experiments show the superiority of the proposed GEDRLSD algorithm compared with state-of-the-art methods.
• Abstract（参考訳）: 線分検出はコンピュータビジョンタスクにおいて基礎的な役割を果たす。 近年提案されている多数の検出手法のうち,エッジ描画に基づく検出効率の良さから注目が集まっている。 しかし, エッジ描画やラインセグメントフィッティングのための画像勾配が不十分なため, 既存の手法では十分に頑健ではない。 本研究は,線分が一貫した座標と水平線情報,すなわち勾配方向に垂直な単位ベクトルの両方でエッジ点に配置すべきという観測に基づいて,剛性線分検出(GEDRLSD)のための水平線ガイドエッジ描画を提案する。 レベルライン情報は、正確なエッジ描画のガイドラインとして機能するエッジトラッキングの潜在的な方向を提供する。 さらに、線分フィッティングにレベルライン情報を融合してロバスト性を向上させる。 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。

関連論文リスト

• 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)
• 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)
• ELSD: Efficient Line Segment Detector and Descriptor [9.64386089593887]
  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。
  論文  参考訳（メタデータ） (2021-04-29T08:53:03Z)
• 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)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• 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)
• TGGLines: A Robust Topological Graph Guided Line Segment Detector for Low Quality Binary Images [37.31650920391197]
  低画質バイナリ画像における線分検出のためのロバストなトポロジカルグラフガイド手法を提案する。 グラフ誘導方式により、TGGLinesは線分を検出するだけでなく、線分接続グラフでセグメントを整理する。 実験の結果,TGGLines検出器は最先端の線分検出法より視覚的,定量的に優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-27T20:47:18Z)

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。