Atención de Fronteras: Aprendiendo a Detectar Límites Tenues en Cualquier Resolución

Resumen

Presentamos un modelo diferenciable que modela explícitamente los límites -- incluyendo contornos, esquinas y uniones -- utilizando un nuevo mecanismo que denominamos atención a los límites. Demostramos que nuestro modelo proporciona resultados precisos incluso cuando la señal del límite es muy débil o está inundada por ruido. En comparación con métodos clásicos previos para detectar límites tenues, nuestro modelo tiene las ventajas de ser diferenciable; ser escalable a imágenes más grandes; y adaptarse automáticamente a un nivel apropiado de detalle geométrico en cada parte de una imagen. En comparación con métodos profundos previos para encontrar límites mediante entrenamiento de extremo a extremo, tiene las ventajas de ofrecer precisión subpíxel, ser más resistente al ruido y poder procesar cualquier imagen en su resolución y relación de aspecto nativas.

English

We present a differentiable model that explicitly models boundaries -- including contours, corners and junctions -- using a new mechanism that we call boundary attention. We show that our model provides accurate results even when the boundary signal is very weak or is swamped by noise. Compared to previous classical methods for finding faint boundaries, our model has the advantages of being differentiable; being scalable to larger images; and automatically adapting to an appropriate level of geometric detail in each part of an image. Compared to previous deep methods for finding boundaries via end-to-end training, it has the advantages of providing sub-pixel precision, being more resilient to noise, and being able to process any image at its native resolution and aspect ratio.

Atención de Fronteras: Aprendiendo a Detectar Límites Tenues en Cualquier Resolución

Boundary Attention: Learning to Find Faint Boundaries at Any Resolution

Resumen

Support