경계 주의: 모든 해상도에서 희미한 경계를 찾는 학습

초록

우리는 경계 주의(boundary attention)라는 새로운 메커니즘을 사용하여 윤곽선, 모서리, 교차점을 포함한 경계를 명시적으로 모델링하는 미분 가능한 모델을 제시한다. 본 모델은 경계 신호가 매우 약하거나 노이즈에 가려진 경우에도 정확한 결과를 제공함을 보여준다. 기존의 미약한 경계를 탐지하는 고전적 방법들과 비교했을 때, 이 모델은 미분 가능하며, 더 큰 이미지로 확장 가능하고, 이미지의 각 부분에서 적절한 수준의 기하학적 세부 사항에 자동으로 적응한다는 장점을 가진다. 종단 간 학습(end-to-end training)을 통해 경계를 탐지하는 기존의 딥러닝 방법들과 비교했을 때, 이 모델은 서브픽셀 정밀도를 제공하고, 노이즈에 더 강하며, 원본 해상도와 종횡비로 모든 이미지를 처리할 수 있다는 장점을 가진다.

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.

경계 주의: 모든 해상도에서 희미한 경계를 찾는 학습

Boundary Attention: Learning to Find Faint Boundaries at Any Resolution

초록

Support