Mar, 2024

CT-Bound: 基于混合卷积和 Transformer 神经网络的噪声图像边界快速估计

PDF
TL;DR通过利用混合的卷积和 Transformer 神经网络，我们提出了一个快速边界估计方法 CT-Bound，用于处理噪声图像。该方法首先利用较小的感受野仅根据输入图像估计边界结构的参数表示，然后在参数领域对边界结构进行优化。相比之前最准确的方法，我们的实验表明，CT-Bound 的速度提高了 100 倍，产生了具有可比较准确性和高质量的边界和颜色地图。同时，我们还展示了 CT-Bound 能够在不需要额外微调的情况下，处理实际捕获的图像，并以每秒十帧的速度生成实时边界地图和颜色地图视频。
发现论文，激发创造
  • 深度学习模型中医学图像分割的边界检测反思

    本文提出了一种新的网络结构 CTO，该结构组合了卷积神经网络、Vision Transformer 和显式边界检测操作符，以实现高精度和效率的平衡。实验结果证明，该方法在六个医学图像分割数据集上均取得了最先进的准确性和竞争性的模型复杂度。

    May, 2023

  • 深度学习推动边界检测的界限

    通过将深度卷积神经网络应用于边界检测任务，结合精心设计的损失、多分辨率架构和外部数据的训练，结合基于 Normalized Cuts 技术的聚类方法的深度学习，将边界检测的最优分割数据量的 F 测量从 0.780 提高到 0.808，成功提升了现有技术水平，并在与语义分割任务相结合的测试中表现出对现有系统的明显改进。

    Nov, 2015

  • 通过边界变换进行任意形状文本检测

    通过边界学习，分层迭代地优化边界变形并结合边缘提议模块，从而在有效地定位文本边界的同时，简单高效地检测任意形状的文本。

    May, 2022

  • 边界注意力：学习在任何分辨率下找到微弱的边界

    我们提出了一个可微分模型，用于明确地建模边界，包括轮廓、角点和交叉点，并使用我们称之为边界注意力的新机制。我们展示了即使边界信号非常弱或被噪声淹没，我们的模型也能提供准确的结果。与找到微弱边界的先前经典方法相比，我们的模型具有可微的优势，适用于更大的图像，并自动适应图像每个部分的适当几何细节水平。与通过端到端训练找到边界的先前深度方法相比，它具有提供亚像素精度、更具噪声鲁棒性以及能够以原生分辨率和长宽比处理任何图像的优势。

    Jan, 2024

  • 卷积定向边界：从图像分割到高级任务

    本文提出了一种名为 Convolutional Oriented Boundaries (COB) 的方法，该方法通过图像分类卷积神经网络（CNNs）产生多尺度的定向轮廓和区域层次结构，其具有高效的计算性能和显著的识别性能，并且泛化性能也很好。我们在多个数据集上验证了 COB 的性能，并通过与不同任务的结合，如目标提议，语义轮廓，语义分割和目标检测等，证明 COB 在提高多种任务的性能方面也具有良好的效果。

    Jan, 2017

  • 长期图像边界预测

    研究了边界估计和预测未来未观察到帧的边界能力，结合直观物理的概念，通过自然视频帧和合成序列的实验，发现 rgb 融合和边缘预测能够促进 rgb 预测的提升。

    Nov, 2016

  • Boundary Flow：一种用孪生网络预测边界运动的方法，无需对运动进行训练

    本文研究采用深度学习技术解决视频中的联合物体边界检测和边界运动估计问题，提出了一种新的全卷积 Siamese 神经网络架构，成功实现了对物体边界的检测和运动估计。在三项任务中，本文方法分别达到了在 VSB100、Sintel 等数据集上的最佳性能表现。

    Feb, 2017

  • 卷积定向边界

    本研究提出了基于 CNN 的 Convolutional Oriented Boundaries (COB) 算法，实现图像多尺度的边缘检测和分层分割。该算法具有较高的计算效率和泛化能力，并在多个数据集上取得了最优表现。

    Aug, 2016

  • CT-Net: 通过轮廓变换器进行任意形状文本检测

    通过渐进式轮廓回归及轮廓变换器，我们提出了一种名为 CT-Net 的新型任意形状场景文本检测框架，以解决前端轮廓初始化不准确、多阶段误差累积或局部信息聚合不足的限制，并通过大量实验验证了其在准确性和效率方面超越了现有方法。

    Jul, 2023

  • 深入清晰的边界：从边界到更高层次的任务

    本研究通过系统性分析表明使用基于卷积神经网络的边缘检测器的检测结果并未正确定位边缘像素，通过一种新的优化架构，使用自上而下的反向优化路径对特征图进行逐步加精，本研究获得了比人类更准确的性能表现，在计算机视觉中的多个重要应用中取得了较好效果，尤其是在语义分割这一应用领域表现突出。

    Jan, 2018