論文の概要: ScaleLSD: Scalable Deep Line Segment Detection Streamlined

• arxiv url: http://arxiv.org/abs/2506.09369v1
• Date: Wed, 11 Jun 2025 03:34:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.305634
• Title: ScaleLSD: Scalable Deep Line Segment Detection Streamlined
• Title（参考訳）: ScaleLSD: スケーラブルなDeep Line Segment Detection Streamlined
• Authors: Zeran Ke, Bin Tan, Xianwei Zheng, Yujun Shen, Tianfu Wu, Nan Xue,
• Abstract要約: 本稿では,画像中の線形状評価のための線分検出(Line Segment Detection,LSD)の問題点について検討する。 LSDのスケーラブルな自己教師型学習に焦点をあてて、私たちは(ディープで非ディープな)LSDアプローチの基本設計を再検討し、合理化します。 われわれのScaleLSDは、先駆的な非ディープLSDアプローチよりもはるかに多くの線分を自然画像から検出できる。
• 参考スコア（独自算出の注目度）: 34.336367321643934
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies the problem of Line Segment Detection (LSD) for the characterization of line geometry in images, with the aim of learning a domain-agnostic robust LSD model that works well for any natural images. With the focus of scalable self-supervised learning of LSD, we revisit and streamline the fundamental designs of (deep and non-deep) LSD approaches to have a high-performing and efficient LSD learner, dubbed as ScaleLSD, for the curation of line geometry at scale from over 10M unlabeled real-world images. Our ScaleLSD works very well to detect much more number of line segments from any natural images even than the pioneered non-deep LSD approach, having a more complete and accurate geometric characterization of images using line segments. Experimentally, our proposed ScaleLSD is comprehensively testified under zero-shot protocols in detection performance, single-view 3D geometry estimation, two-view line segment matching, and multiview 3D line mapping, all with excellent performance obtained. Based on the thorough evaluation, our ScaleLSD is observed to be the first deep approach that outperforms the pioneered non-deep LSD in all aspects we have tested, significantly expanding and reinforcing the versatility of the line geometry of images. Code and Models are available at https://github.com/ant-research/scalelsd
• Abstract（参考訳）: 本稿では,画像中の線形状を解析するための線分検出(Line Segment Detection,LSD)の問題について検討する。 拡張性のあるLSDの自己教師型学習に焦点をあてて,10万以上の実世界の画像から線幾何学を大規模にキュレーションするための,高性能かつ効率的なLSD学習者を実現するための(深度および非深度)LSDアプローチの基本設計を再検討し,合理化する。 我々のスケールLSDは、先駆的な非ディープLSDアプローチよりも多くのラインセグメントを自然画像から検出し、ラインセグメントを用いた画像のより完全で正確な幾何学的特徴を持つ。 提案するスケールLSDは,検出性能,一視点3次元幾何推定,二視点線分割マッチング,多視点3次元線マッピングなどにおいて,ゼロショットプロトコルの下で包括的に検証され,優れた性能が得られた。 徹底的な評価に基づいて,我々のスケールLSDは,画像のラインジオメトリの汎用性を大幅に拡張し,拡張し,拡張した全ての面において,先駆的な非ディープLSDよりも優れる最初のディープアプローチであることがわかった。 Code and Modelsはhttps://github.com/ant-research/scalelsdで入手できる。

関連論文リスト

• ID-to-3D: Expressive ID-guided 3D Heads via Score Distillation Sampling [96.87575334960258]
  ID-to-3D(ID-to-3D)は、不整合表現を用いたIDとテキスト誘導型3次元頭部を生成する方法である。 前例のないアイデンティティ一貫性と高品質なテクスチャと幾何生成を実現する。
  論文  参考訳（メタデータ） (2024-05-26T13:36:45Z)
• G-NeRF: Geometry-enhanced Novel View Synthesis from Single-View Images [45.66479596827045]
  我々は,幾何誘導多視点合成手法により,幾何先行性を高めるための幾何強調型NeRF(G-NeRF)を提案する。 単一視点画像に対する多視点監視の欠如に対処するために,深度認識型トレーニングアプローチを設計する。
  論文  参考訳（メタデータ） (2024-04-11T04:58:18Z)
• OpenShape: Scaling Up 3D Shape Representation Towards Open-World Understanding [53.21204584976076]
  我々は,テキスト,画像,点雲のマルチモーダルな共同表現を学習するOpenShapeを紹介する。 複数の3Dデータセットをアンサンブルすることで、トレーニングデータをスケールアップし、ノイズの多いテキスト記述を自動的にフィルタリングし、強化するためのいくつかの戦略を提案する。 ゼロショット3D分類ベンチマークでOpenShapeを評価し,オープンワールド認識の優れた能力を実証した。
  論文  参考訳（メタデータ） (2023-05-18T07:07:19Z)
• 3D Line Mapping Revisited [86.13455066577657]
  LIMAPは、3Dラインマッピングのためのライブラリで、多視点画像から3Dラインマップを堅牢かつ効率的に作成する。 私たちのコードは、既存のポイントベースのStructure-from-Motionメソッドとシームレスに統合されます。 私たちの堅牢な3Dラインマップは、新たな研究方向も開きます。
  論文  参考訳（メタデータ） (2023-03-30T16:14:48Z)
• 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)
• Towards Real-time and Light-weight Line Segment Detection [15.834865037833875]
  そこで本稿では,Mobile LSD という資源制約環境に対するリアルタイムかつ軽量な線分検出手法を提案する。 線形セグメント増分と幾何学的学習スキームのセグメンテーションという,新しいトレーニングスキームを提案する。 我々のモデル(M-LSD-tiny)は、GPUにおけるモデルサイズ2.5%、推論速度130.5%の競争性能を達成する。
  論文  参考訳（メタデータ） (2021-06-01T02:28:08Z)
• 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)

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。