Projecting Points to Axes: Oriented Object Detection via Point-Axis Representation

本文介绍了面向物体检测的点轴表示法，强调了其灵活性和几何直观性，其中包括两个关键组成部分：点和轴。1）点勾勒出物体的空间范围和轮廓，提供了详细的形状描述。2）轴定义了物体的主要方向性，提供了精确检测所必需的关键方向线索。点轴表示法解耦了位置和旋转，解决了传统的基于边界框的方法常遇到的损失不连续性问题。为了有效优化而不引入额外的注释，我们提出了最大投影损失来监督点集学习，以及交叉轴损失来进行鲁棒的轴表示学习。此外，利用这种表示方法，我们提出了面向DETR模型，无缝地集成了DETR框架，实现了精确的点轴预测和端到端检测。实验结果表明，在面向物体检测任务中，性能有了显著的提升。

本论文的问题是解决定向物体检测中常见的丢失不连续性问题，并提供更准确的定向信息。

论文提出了点-轴表示法，将物体的定位和旋转解耦，通过点来描述物体的形状，通过轴来描述物体的方向，从而解决了传统边界框方法中常见的丢失不连续性问题。

本论文通过提出点-轴表示法，设计了max-projection loss和cross-axis loss来监督点集和轴的学习，进而提出了Oriented DETR模型，实现了端到端的定向物体检测。实验结果表明，该方法在定向物体检测任务中取得了显著的性能提升。

近期相关研究包括：CornerNet、CenterNet、FCOS等。