Внимание к границам: обучение поиску слабо выраженных границ при любом разрешении

Аннотация

Мы представляем дифференцируемую модель, которая явно моделирует границы, включая контуры, углы и соединения, с использованием нового механизма, который мы называем вниманием к границам. Мы показываем, что наша модель обеспечивает точные результаты даже в случаях, когда сигнал границы очень слаб или заглушен шумом. По сравнению с предыдущими классическими методами поиска слабых границ наша модель обладает преимуществами дифференцируемости, масштабируемости для изображений большего размера и автоматической адаптации к подходящему уровню геометрической детализации в каждой части изображения. В сравнении с предыдущими глубокими методами поиска границ, основанными на сквозном обучении, наша модель обеспечивает субпиксельную точность, более устойчива к шуму и способна обрабатывать изображения с их исходным разрешением и соотношением сторон.

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.

Внимание к границам: обучение поиску слабо выраженных границ при любом разрешении

Boundary Attention: Learning to Find Faint Boundaries at Any Resolution

Аннотация

Support