EDMB：基于Mamba的边缘检测器
计算机视觉与模式识别
2025-01-10 v1
摘要
基于Transformer的模型在边缘检测方面取得了显著进展，但其高昂的计算成本令人望而却步。最近，视觉Mamba在高效捕获长距离依赖关系方面展现出了卓越的能力。受此启发，我们提出了一种基于Mamba的新型边缘检测器，称为EDMB，以高效生成高质量的多粒度边缘。在EDMB中，Mamba与全局-局部架构相结合，因此能够同时关注全局信息和细粒度线索。细粒度线索在边缘检测中起着至关重要的作用，但通常被普通的Mamba所忽略。我们设计了一种新颖的解码器，通过融合全局特征和细粒度特征来构建可学习的高斯分布。并通过从这些分布中采样来生成多粒度边缘。为了使多粒度边缘适用于单标签数据，我们引入了证据下界损失来监督分布的学习。在多标签数据集BSDS500上，我们提出的EDMB在不使用多尺度测试或额外PASCAL-VOC数据的情况下，实现了具有竞争力的单粒度ODS 0.837和多粒度ODS 0.851。值得注意的是，EDMB可以扩展到单标签数据集，如NYUDv2和BIPED。源代码可在https://github.com/Li-yachuan/EDMB获取。
引用
@article{arxiv.2501.04846,
title = {EDMB: Edge Detector with Mamba},
author = {Yachuan Li and Xavier Soria Poma and Yun Bai and Qian Xiao and Chaozhi Yang and Guanlin Li and Zongmin Li},
journal= {arXiv preprint arXiv:2501.04846},
year = {2025}
}