本文研究了识别图像中曲线结构的问题，提出了一种基于深度网络的方法，同时执行分割和路径分类这两个任务，以实现整个处理流程的连贯性，并在道路和神经元数据集上应用该方法。

May, 2019

该论文提出了一种将 2D 图像曲线组合成 3D 曲线集合，构建具有拓扑连接性的 3D 图形的方法，以实现对 3D 场景的结构化表示和重建。

Sep, 2016

本研究使用卷积神经网络来对文化遗产上雕刻或刻画成非常模糊的曲线结构进行自动分割，并通过实验证明了该算法在区分混杂曲线时的表现更为优秀。

Nov, 2017

本文提出了一种基于分支高斯过程（BGP）的方法，在考虑各种约束和误差的情况下，利用图像数据还原带有分支的三维曲线结构，并成功地应用于拍摄多视角植物图像数据的实验中，取得了较好的效果。

Aug, 2016

本文提出了一种新颖的自动预测树形结构连接性的方法，使用 UNet 和 Transformer 结构的两阶段模型和基于图像提示的技术，有效地解决了在三维解剖数据中存在 2D 投影中的覆盖分支等问题，取得了优于最短路径基线的结果。

Jan, 2023

我们提出了一种使用基于大脑灵感的可训练 B-COSFIRE 滤波器的通用曲线结构检测器，可用于任何需要描绘曲线和细长结构的计算机视觉方法。通过在含有破裂路面的噪声图像数据集上达到最优效果，我们证明了这种方法的有效性（F-measure = 0.865）。

Jul, 2017

提出了一个目标函数，其中结合了检测似然和先验条件，最小化中心线或表面的曲率，用于同时检测和描绘细结构，具有亚像素定位和实值方向估计。

Jun, 2015

本研究提出了一种新的方法来解决通过利用 2D 到 3D 车道重建过程底层的几何结构来摆脱单目 3D 车道检测问题的方法，并使用结构先验来实现从局部到全局的三维车道重建，通过直接从前视图图像中提取 BEV 车道信息和任务特定的数据增强方法来降低 2D 车道表示中的结构损失，提高广义性；实验证明，该方法在 82 FPS 的实时速度下优于现有方法 3.8％的 F-Score。

Jun, 2022

本文探讨曲线重建问题，并利用自然曲线的全局统计信息及其统计几何特性，开发出一种重建模型，以寻求给定诱导器构型的平均物理曲线，并阐明了某些诱导器构型比其他构型更有可能产生一致的感知补全。

Nov, 2017

通过频域特征学习策略（F-Learn）与几何片段全局性融合，引入结构感知性提高几何原语检测和拓扑推理的性能。

Sep, 2023