连接点场：在低信噪比下提取边界结构
计算机视觉与模式识别
2021-11-12 v3
摘要
我们引入一种自底向上模型，用于同时寻找图像中的许多边界元素，包括轮廓、角点和连接点。该模型使用由 M 个角度和一个自由移动顶点组成的“广义 M-连接点”来解释每个小块中的边界形状。使用非凸优化分析图像，以在每个位置协同找到 M+2 个连接点值，空间一致性由一种新颖的正则化器强制，该正则化器在降低曲率的同时保留角点和连接点。所得的“连接点场”同时是一个轮廓检测器、角点/连接点检测器，以及区域外观的边界感知平滑。值得注意的是，它对轮廓、角点、连接点和均匀区域的统一分析使其能在高噪声水平下成功，而其他分割和边界检测方法在此情况下会失败。
引用
@article{arxiv.2011.13866,
title = {Field of Junctions: Extracting Boundary Structure at Low SNR},
author = {Dor Verbin and Todd Zickler},
journal= {arXiv preprint arXiv:2011.13866},
year = {2021}
}
备注
ICCV 2021. Project page with demo, video, and code: https://vision.seas.harvard.edu/foj/