DT-LSD:基于可变形Transformer的线段检测
计算机视觉与模式识别
2024-11-21 v1
摘要
线段检测是计算机视觉中的一项基础低级任务,该任务的改进能够影响依赖它的更高级方法。大多数为线段检测开发的新方法都基于卷积神经网络(CNN)。本文旨在解决阻碍基于Transformer的线段检测方法得到更广泛采用的挑战。更具体地说,我们引入了一种名为基于可变形Transformer的线段检测(DT-LSD)的新模型,该模型支持跨尺度交互且能够快速训练。本工作提出了一种新颖的基于可变形Transformer的线段检测器(DT-LSD),以解决LETR的缺陷。为了实现更快的训练,我们引入了线段对比去噪(LCDN)技术,该技术稳定了一对一匹配过程,并将训练速度提升了34倍。我们表明,DT-LSD比其前身基于Transformer的模型(LETR)更快、更准确,并且在准确率上优于所有基于CNN的模型。在Wireframe数据集上,DT-LSD的达到71.7,达到73.9;而在YorkUrban数据集上,为33.2,为35.1。
引用
@article{arxiv.2411.13005,
title = {DT-LSD: Deformable Transformer-based Line Segment Detection},
author = {Sebastian Janampa and Marios Pattichis},
journal= {arXiv preprint arXiv:2411.13005},
year = {2024}
}