整体吸引线框解析
计算机视觉与模式识别
2020-03-04 v1
摘要
本文提出一种快速且简洁的解析方法,可通过单次前向传播准确且鲁棒地检测输入图像中的矢量化线框。所提方法端到端可训练,由三部分组成:(i) 线段与交点提议生成,(ii) 线段与交点匹配,以及(iii) 线段与交点验证。为计算线段提议,提出了一种新颖的精确对偶表示,其利用针对线段的简洁几何重参数化,并为输入图像形成一个整体的四维吸引场图。交点可被视为吸引场中的“盆地”。因此该方法被称为整体吸引线框解析器(Holistically-Attracted Wireframe Parser, HAWP)。在实验中,所提方法在两个基准数据集 Wireframe 和 YorkUrban 上进行了测试。在两个基准上,它均在准确率和效率方面取得了当前最优(state-of-the-art)性能。例如,在 Wireframe 数据集上,相较于先前最优方法 L-CNN,它将具有挑战性的平均结构平均精度(mean structural average precision, msAP)大幅提升( 绝对提升),并在单 GPU 上达到 29.5 FPS( 相对提升)。我们进行了系统的消融实验以进一步验证所提方法。
引用
@article{arxiv.2003.01663,
title = {Holistically-Attracted Wireframe Parsing},
author = {Nan Xue and Tianfu Wu and Song Bai and Fu-Dong Wang and Gui-Song Xia and Liangpei Zhang and Philip H. S. Torr},
journal= {arXiv preprint arXiv:2003.01663},
year = {2020}
}
备注
Accepted by CVPR 2020