本文提出了一种快速且简洁的解析方法，能够在单次前向传递中准确且稳健地检测输入图像中的矢量化线框。所提出的方法是端到端可训练的，由三个组件构成：(i) 线段和节点提议生成，(ii) 线段和节点匹配，(iii) 线段和节点验证。为了计算线段提议，提出了一种新颖的确切对偶表示方法，该方法利用了线段的简洁几何重参数化，并为输入图像形成了一个整体的四维吸引场图。节点可以被视为吸引场中的“盆地”。因此，所提出的方法被称为整体吸引线框解析器（HAWP）。在实验中，该方法在两个基准数据集上进行了测试：Wireframe 数据集和 YorkUrban 数据集。在这两个基准数据集上，它在准确性和效率方面均取得了最先进的性能。例如，在 Wireframe 数据集上，与之前的最先进方法 L-CNN 相比，它大幅提高了具有挑战性的平均结构精度（msAP）（绝对提高 2.8%），并在单个 GPU 上实现了 29.5 帧每秒（相对提高 89%）。此外，还进行了一项系统的消融研究以进一步证明所提出的方法的有效性。