MatchED：基于匹配的端到端清晰边缘检测
计算机视觉与模式识别
2026-02-25 v1
摘要
生成清晰的，即像素宽的边缘图 remains 一个基本挑战，影响传统方法和基于学习的方法。为了获得清晰的边缘，大多数现有方法依赖两种手工设计的后处理算法，非最大限量抑制(NMS)和基于骨架的细化，这些算法是非可微的，阻碍端到端优化。此外，所有现有的清晰边缘检测方法仍然依赖此类后处理以获得满意的结果。为解决这一局限性，我们提出了一种轻量级、仅需约21K额外参数的、可插入式的匹配基于监督模块，可附加到任何边缘检测模型，用于联合端到端学习清晰边缘。在每个训练迭代中，\MethodLPP 根据空间距离和置信度执行预测边缘与真实边缘的一对一匹配，确保训练和测试协议的一致性。在四个流行数据集上的大量实验表明，集成\MethodLPP显著提高了现有边缘检测模型的性能。特别是，\MethodLPP将平均清晰度(AC)指标提高了最高可达2-4倍。
引用
@article{arxiv.2602.20689,
title = {MatchED: Crisp Edge Detection Using End-to-End, Matching-based Supervision},
author = {Bedrettin Cetinkaya and Sinan Kalkan and Emre Akbas},
journal= {arXiv preprint arXiv:2602.20689},
year = {2026}
}
备注
Accepted to CVPR 2026