抗孔洞线框检测
计算机视觉与模式识别
2021-12-01 v1
摘要
“线框”是一种基于线段的表示方法，旨在很好地捕捉我们周围具有规则结构形状的人造场景的大尺度视觉特性。与线框不同，传统的边缘或线段关注所有可见的边缘和线条，而不特别区分哪些对人造结构信息更为显著。现有的线框检测模型依赖于监督标注数据，但并未明确关注如何理解场景结构形状的构成。此外，我们经常面临许多遮挡背景场景的前景物体干扰了对它们背后完整场景结构的正确推断。为了解决这些问题，我们首次在该领域提出了新的条件数据生成和训练方法，帮助模型理解如何忽略由孔洞（例如图像上被掩蔽的前景物体区域）指示的遮挡。此外，我们首次将 GAN 结合到模型中，使模型即使在大型孔洞之外也能更好地预测潜在的场景结构。我们还引入了伪标注以进一步扩大模型克服小规模标注数据的能力。我们定性和定量地表明，我们的方法显著优于以往无法处理孔洞的工作，并且在无孔洞的情况下也改善了普通检测性能。
引用
@article{arxiv.2111.15064,
title = {Hole-robust Wireframe Detection},
author = {Naejin Kong and Kiwoong Park and Harshith Goka},
journal= {arXiv preprint arXiv:2111.15064},
year = {2021}
}
备注
To appear in Proceedings of the 2022 IEEE Winter Conference on Applications of Computer Vision (WACV 2022)