NeurVPS：基于圆锥卷积的神经消失点扫描
计算机视觉与模式识别
2021-03-26 v3
摘要
我们提出了一种简单而有效的端到端可训练深度网络，其带有受几何启发的卷积算子，用于检测图像中的消失点。传统卷积神经网络依赖于聚合边缘特征，并无机制直接利用消失点作为平行线交点的几何性质。在本工作中，我们确定了一个规范圆锥空间，神经网络可在其中局部地高效计算消失点的全局几何信息，并提出了一种称为圆锥卷积的新算子，该算子可在此空间中作为常规卷积实现。这一新算子显式地沿结构线进行特征提取与聚合，却拥有与常规 2D 卷积相同数量的参数。我们在合成与真实世界数据集上的大量实验表明，所提出的算子相较传统方法显著提升了消失点检测性能。代码与数据集已公开于 https://github.com/zhou13/neurvps。
引用
@article{arxiv.1910.06316,
title = {NeurVPS: Neural Vanishing Point Scanning via Conic Convolution},
author = {Yichao Zhou and Haozhi Qi and Jingwei Huang and Yi Ma},
journal= {arXiv preprint arXiv:1910.06316},
year = {2021}
}
备注
NeurIPS 2019