論文の概要: POEv2: a flexible and robust framework for generic line segment detection and wireframe line segment detection

• arxiv url: http://arxiv.org/abs/2508.19742v2
• Date: Tue, 09 Sep 2025 09:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:26.931591
• Title: POEv2: a flexible and robust framework for generic line segment detection and wireframe line segment detection
• Title（参考訳）: POEv2: ジェネリックラインセグメント検出とワイヤフレームラインセグメント検出のための柔軟で堅牢なフレームワーク
• Authors: Chenguang Liu, Chisheng Wang, Yuhua Cai, Chuanhua Zhu, Qingquan Li,
• Abstract要約: 線分検出器は、ジェネリック線分検出器とワイヤフレーム線分検出器の2つのカテゴリに分けられる。 最近のディープラーニングベースのアプローチは、主にワイヤフレームラインセグメント検出器である。 本稿では,線分検出と線分検出の両方に使用できるロバストなフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.8193704397315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Line segment detection in images has been studied for several decades. Existing line segment detectors can be roughly divided into two categories: generic line segment detectors and wireframe line segment detectors. Generic line segment detectors aim to detect all meaningful line segments in images and traditional approaches usually fall into this category. Recent deep learning based approaches are mostly wireframe line segment detectors. They detect only line segments that are geometrically meaningful and have large spatial support. Due to the difference in the aim of design, the performance of generic line segment detectors for the task of wireframe line segment detection won't be satisfactory, and vice versa. In this work, we propose a robust framework that can be used for both generic line segment detection and wireframe line segment detection. The proposed method is an improved version of the Pixel Orientation Estimation (POE) method. It is thus named as POEv2. POEv2 detects line segments from edge strength maps, and can be combined with any edge detector. We show in our experiments that by combining the proposed POEv2 with an efficient edge detector, it achieves state-of-the-art performance on three publicly available datasets.
• Abstract（参考訳）: 画像中の線分検出は数十年にわたって研究されてきた。 既存の線分検出器は、ジェネリック線分検出器とワイヤフレーム線分検出器の2つのカテゴリに分けられる。 一般的な線分検出器は、画像中のすべての意味のある線分を検出することを目的としており、伝統的なアプローチは通常、このカテゴリに該当する。 最近のディープラーニングベースのアプローチは、主にワイヤフレームラインセグメント検出器である。 彼らは幾何学的に意味があり、大きな空間的支持を持つ線分のみを検出する。 設計目的の相違により,ワイヤフレーム線セグメント検出作業における汎用線セグメント検出器の性能は良好ではなく,その逆も良好である。 本研究では,線分検出と線分検出の両方に使用できるロバストなフレームワークを提案する。 提案手法は,Pixel Orientation Estimation (POE) 法の改良版である。 略称はPOEv2。 POEv2はエッジ強度マップから線分を検出し、任意のエッジ検出器と組み合わせることができる。 提案したPOEv2と効率的なエッジ検出器を組み合わせることで、3つの公開データセットに対して最先端のパフォーマンスを実現することを示す。

関連論文リスト

• Aligned Anchor Groups Guided Line Segment Detector [6.2948461252957495]
  本稿では,線分検出器であるアラインドアンカー群誘導線分検出器(AAGLSD)を紹介する。 AAGLSDは、高精度で完全性のある画像から線分を検出するように設計されている。
  論文  参考訳（メタデータ） (2025-08-31T10:27:51Z)
• Linear Object Detection in Document Images using Multiple Object Tracking [58.720142291102135]
  線形オブジェクトは文書構造に関する実質的な情報を伝達する。 多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。 複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:22:03Z)
• 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)
• 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)
• 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。