في هذا البحث، نقدم خوارزمية مشتركة ومتكاملة لاكتشاف القطع الخطية (الخطوط المستقيمة) باستخدام تقنيات الترانسفورمرز (Transformers)، والتي تخلو من معالجة ما بعد الإجراء والمعالجة الوسيطة الموجهة بالتقديرات الأولية (اكتشاف الحواف/العقد/المناطق). طريقة عملنا، التي أطلقنا عليها اسم "LinE segment TRansformers" (LETR)، تستفيد من دمج الاستعلامات المجزأة، وآلية الانتباه الذاتي، واستراتيجية الترميز-فك الترميز داخل الترانسفورمرز، وذلك بتجاوز التصاميم التقريبية القياسية لعملية اكتشاف العنصر الحدودي وعملية المجموعة الإدراكية. نجهز الترانسفورمرز باستراتيجية مُشفِّر/مُحَلِّل متعددة المقاييس لأداء اكتشاف القطع الخطية بدقة عالية تحت خسارة المسافة المباشرة بين النقاط النهائية. هذا المصطلح الخسارة مناسب بشكل خاص لاكتشاف الهياكل الهندسية مثل القطع الخطية التي لا يمكن تمثيلها بسهولة بواسطة التمثيلات القياسية للصناديق الحدودية. يتعلم الترانسفورمرز تدريجياً تحسين القطع الخطية عبر طبقات الانتباه الذاتي. في تجاربنا، نظهر نتائجًا رائدة على مقاييس Wireframe وYorkUrban.