EasyControlEdge：一种面向边缘检测的基础模型微调方法
计算机视觉与模式识别
2026-02-19 v1
摘要
我们提出 EasyControlEdge，通过适配图像生成基础模型实现边缘检测。在实际场景的边缘检测中（如平面图墙壁、卫星图像道路/建筑物、医学器官边界），清晰度和数据效率至关重要，但在有限训练样本下仍难以生成清晰的原始边缘图。尽管图像生成基础模型在众多下游任务中表现良好，但其针对边缘检测的数据效率迁移和保持高频细节的迭代优化能力尚未被充分利用。为实现基于这些能力的清晰且数据高效的边缘检测，我们引入了图像生成基础模型的边缘专用适配。为更好地针对边缘检测进行专业化，我们融合了面向边缘的目标函数及高效像素空间损失。在推理阶段，我们引入基于无条件动力学的引导机制，使单一模型能够通过引导比例控制边缘密度。实验在 BSDS500、NYUDv2、BIPED 和 CubiCasa 上进行，与当前最先进方法进行比较，结果显示在无后处理清晰度评估及数据有限的情况下均取得一致提升，尤其在数据有限时表现尤为突出。
引用
@article{arxiv.2602.16238,
title = {EasyControlEdge: A Foundation-Model Fine-Tuning for Edge Detection},
author = {Hiroki Nakamura and Hiroto Iino and Masashi Okada and Tadahiro Taniguchi},
journal= {arXiv preprint arXiv:2602.16238},
year = {2026}
}