CT-Bound：基于混合卷积与Transformer神经网络的噪声图像鲁棒边界检测
计算机视觉与模式识别
2024-06-26 v2
摘要
我们提出CT-Bound，一种针对高噪声图像的鲁棒且快速的边界检测方法，采用混合卷积与Transformer神经网络。该架构将边界估计分解为两个任务：局部检测与全局正则化。在局部检测阶段，模型使用卷积架构，以预定义的局部边界表示——交汇场（FoJ）的形式预测每个图像块的边界结构。随后，它利用前馈Transformer架构对每个图像块的边界结构进行全局细化，同时生成边缘图和光滑的颜色图。定量分析表明，CT-Bound在高噪声图像的边缘检测上优于以往最佳算法。相较于基于FoJ的方法，它还将边缘检测精度提高了3倍速度。最后，我们证明CT-Bound无需额外微调即可在真实拍摄图像上生成边界图和颜色图，并能以每秒十帧的速度生成实时边界图和颜色图视频。
引用
@article{arxiv.2403.16494,
title = {CT-Bound: Robust Boundary Detection From Noisy Images Via Hybrid Convolution and Transformer Neural Networks},
author = {Wei Xu and Junjie Luo and Qi Guo},
journal= {arXiv preprint arXiv:2403.16494},
year = {2024}
}