EDTER：基于 Transformer 的边缘检测
计算机视觉与模式识别
2022-03-17 v1
摘要
卷积神经网络通过逐步探索上下文与语义特征，在边缘检测上取得了显著进展。然而，随着感受野的扩大，局部细节逐渐被抑制。近来，视觉 transformer 已展现出捕捉长程依赖的优异能力。受此启发，我们提出一种新颖的基于 transformer 的边缘检测器，即 \emph{Edge Detection TransformER (EDTER)}，通过同时利用全图像上下文信息与精细局部线索，提取清晰锐利的对象边界与有意义的边缘。EDTER 分两阶段工作。在第一阶段，使用全局 transformer 编码器在粗粒度图像块上捕捉长程全局上下文。随后在第二阶段，局部 transformer 编码器在细粒度块上工作以挖掘短程局部线索。每个 transformer 编码器后接一个精心设计的双向多级聚合解码器，以实现高分辨率特征。最后，全局上下文与局部线索由特征融合模块组合，并送入决策头进行边缘预测。在 BSDS500、NYUDv2 和 Multicue 上的大量实验证明了 EDTER 相较于 state-of-the-art 方法的优越性。
引用
@article{arxiv.2203.08566,
title = {EDTER: Edge Detection with Transformer},
author = {Mengyang Pu and Yaping Huang and Yuming Liu and Qingji Guan and Haibin Ling},
journal= {arXiv preprint arXiv:2203.08566},
year = {2022}
}
备注
Accepted by CVPR2022