Apr, 2023

图像线段检测与描述的全面综述：分类、比较与挑战

PDF
TL;DR综述了关于二维图像线段的检测和描述的研究，提出了两个线段检测和描述的分类，并分析和总结了现有的方法的关键问题、核心思想、优缺点以及其潜在的应用，同时评估了一些最新的线段检测和描述算法，以指导研究人员选择最佳的方法进行视觉应用。
line segment detectionline segment descriptiontaxonomiesstate-of-the-art algorithmsvision applications
发现论文，激发创造
  • SOLD2: 自监督遮挡感知线条描述和检测

    本文提出了第一种单一深度神经网络同时进行线段检测和描述。通过自我监控训练，我们的方法不需要任何注释的线标签，并且可以推广到任何数据集。在多视图数据集及实际应用中，本方法相较以往的线条检测与描述算法拥有更高的稳定性和匹配度，是向学习特征点方法迈出的第一步。

    Apr, 2021

  • DSeg: 直线段检测

    该研究提出了一种基于模型驱动的方法来检测图像线段，通过使用线性卡尔曼滤波器逐步在梯度图像上检测线段，并估计其支持线参数及其相关方差。该算法在处理图像噪声和光照变化方面表现出色，可以检测到比数据驱动方法更长的线段，并且无需繁琐的参数调整。此外，还提出了一种扩展算法，利用金字塔方法来提高结果的质量。通过与经典方法的对比以及在不同场景光照下的测试，证明了该方法的有效性。

    Nov, 2023

  • 超越像素：从底层到语义图像分割和共分割的综合调查

    本篇论文介绍了计算机视觉中图像分割的研究进展及方法，概述了底层的分割方法和最近发展的超像素、交互式方法、对象提案、语义图像解析和图像共分割，并对现有的数据集和评价指标进行了评估和总结，最后提出了面向未来研究的设计方向和研究方向。

    Feb, 2015

  • 自动驾驶深度语义分割：分类、路线图和挑战

    本文旨在从自动驾驶的角度探索语义分割问题，首先进行了一般性的分类调查，然后讨论了其在自动驾驶中的应用。其次，列出了将其部署到需要高精度和鲁棒性的安全系统中的挑战，探讨了替代使用独立语义分割模块的不同方法。最后，基于 CamVid 数据集对不同的语义分割架构进行了实证评估。

    Jul, 2017

  • 利用深度学习进行图像分割：综述

    本文综述了关于图像分割的研究，特别关注了基于深度学习模型的语义分割和实例分割方法，包括全卷积像素标定网络、编码器 - 解码器架构、多尺度与基于金字塔的方法、循环神经网络、视觉注意力模型和对抗生成模型。我们探讨了这些深度学习模型的相似性，能力和挑战，并讨论了未来的研究方向。

    Jan, 2020

  • 以视觉句子为线索：面向视觉定位的上下文感知线描述符

    文章提出了使用 Line-Transformers 来解决视觉几何问题，这种方法既能够处理变长的线条特征，又能够有效提取线条的几何属性，以提高特征匹配和对视觉定位的准确性。

    Sep, 2021

  • 关于视频分割的深度学习技术调查

    该论文综述了在视频分割中使用的深度学习算法，其中包括了对象分割和语义分割，同时提供了这两种方法和数据集的详细概述，以及在几个知名数据集上的性能评估和未来研究的机会。

    Jul, 2021

  • 从图像中推断轮廓素描

    本文提出了一种基于学习的方法，采用新的数据集进行轮廓图的生成和处理，可以精确定位视觉场景的轮廓和边界，相对于传统的边界检测方法有更好的性能表现，并且在 BSDS500 上取得了最新的性能成果。

    Jan, 2019

  • 医学图像的深度交互分割：系统综述与分类

    交互式分割是医学图像分析中的一个关键研究领域，旨在通过引入人类反馈来提高昂贵注释的效率。近年来，基于深度学习的方法推动了结果的提升，并导致了该领域的快速增长。本综述提供了这一新兴领域的结构化概述，包括全面的分类、现有方法的系统综述以及对当前实践的深入分析。基于这些贡献，我们讨论了该领域的挑战和机遇，例如发现方法之间存在严重的比较缺乏，需要通过标准化基线和基准来解决。

    Nov, 2023

  • 语义分割调研

    该研究综述了像素级语义分割的不同技术，讨论了分割算法的评估指标和数据集，包括非监督方法、决策森林和支持向量机等传统方法，介绍了基于卷积神经网络的最近出版的方法，并讨论了分割算法的典型问题。此外给出了分割算法的分类。

    Feb, 2016