DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients

要約

線分は、人間が作った世界ではいたるところにあり、視覚タスクでますます使用されています。
それらは、それらが提供する空間範囲と構造情報により、特徴点を補完します。
画像勾配に基づく従来のライン検出器は、非常に高速で正確ですが、ノイズの多い画像や困難な条件では堅牢性に欠けます。
学習済みのものは再現性が高く、困難な画像を処理できますが、精度が低く、ワイヤフレーム ラインに偏っています。
従来のアプローチと学習されたアプローチを組み合わせて、両方の世界を最大限に活用することを提案します。正確で堅牢なライン検出器であり、グラウンド トゥルース ラインなしで野生でトレーニングできます。
当社の新しい線分検出器である DeepLSD は、深いネットワークで画像を処理して線引力場を生成してから、代理画像勾配の大きさと角度に変換し、既存の手作りの線検出器に供給します。
さらに、引力場と消失点に基づいて線分を絞り込むための新しい最適化ツールを提案します。
この改良により、現在のディープ検出器の精度が大幅に向上します。
低レベルのライン検出メトリクス、および複数の困難なデータセットを使用したいくつかのダウンストリーム タスクでのメソッドのパフォーマンスを示します。
ソース コードとモデルは、https://github.com/cvg/DeepLSD で入手できます。

要約(オリジナル)

Line segments are ubiquitous in our human-made world and are increasingly used in vision tasks. They are complementary to feature points thanks to their spatial extent and the structural information they provide. Traditional line detectors based on the image gradient are extremely fast and accurate, but lack robustness in noisy images and challenging conditions. Their learned counterparts are more repeatable and can handle challenging images, but at the cost of a lower accuracy and a bias towards wireframe lines. We propose to combine traditional and learned approaches to get the best of both worlds: an accurate and robust line detector that can be trained in the wild without ground truth lines. Our new line segment detector, DeepLSD, processes images with a deep network to generate a line attraction field, before converting it to a surrogate image gradient magnitude and angle, which is then fed to any existing handcrafted line detector. Additionally, we propose a new optimization tool to refine line segments based on the attraction field and vanishing points. This refinement improves the accuracy of current deep detectors by a large margin. We demonstrate the performance of our method on low-level line detection metrics, as well as on several downstream tasks using multiple challenging datasets. The source code and models are available at https://github.com/cvg/DeepLSD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google