境界注意機構：任意の解像度で微細な境界を検出する学習

要旨

本論文では、境界（輪郭、角、接合部を含む）を明示的にモデル化する微分可能なモデルを提案する。このモデルでは、「境界注意」と呼ばれる新しいメカニズムを採用している。我々のモデルは、境界信号が非常に微弱であるか、ノイズに埋もれている場合でも、正確な結果を提供することを示す。従来の微弱な境界を検出する古典的手法と比較して、本モデルは微分可能であること、大規模な画像にスケーラブルであること、画像の各部分において適切な幾何学的詳細レベルに自動的に適応できることといった利点を有する。また、エンドツーエンド学習による境界検出のための従来の深層学習手法と比較して、サブピクセル精度を提供すること、ノイズに対してより頑健であること、任意の画像をその本来の解像度とアスペクト比で処理できることといった利点を有する。

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.

境界注意機構：任意の解像度で微細な境界を検出する学習

Boundary Attention: Learning to Find Faint Boundaries at Any Resolution

要旨

Support