论文标题：Line Segment Detection Using Transformers without Edges 论文链接：https://arxiv.org/abs/2101.01909 作者单位：加利福尼亚大学圣迭戈分校 表现SOTA！性能优于HAWP、L-CNN等网络。

在本文中，我们提出了一种用于使用Transformer进行线段检测的整体端到端算法，该算法没有后处理，也没有启发式引导的中间处理（边缘/结点/区域检测）。我们的方法名为LinE segment TRansformers (LETR)（LETR），通过检测transformers（DETR）中的三个亮点解决了该领域中的三个主要问题，即边缘元素检测，感知分组和整体推理，包括集成化编码和解码的tokenized查询，自我注意力和联合查询。Tranformer学会了通过分层的自注意力机制逐步细化线段，而跳过了先前的线段分割算法中的启发式设计。我们在Transformer中配备了多尺度编码器/解码器，以在直接端点距离损失下执行细粒度的线段检测，这尤其适用于实体（例如边界框无法方便表示的线段）。在实验中，我们展示了Wireframe和YorkUrban基准测试的最新结果。 LETR指出了超越标准对象边界框表示法的通用实体的端到端联合检测的有希望的方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除