ホリスティックに引き寄せられるワイヤーフレーム解析

本論文では、入力画像からベクトル化されたワイヤーフレームを単一の前向きパスで正確かつ堅牢に検出するための高速かつ簡素な解析手法を提案します。提案手法はエンドツーエンドで学習可能であり、以下の3つの構成要素から成ります。(i) 線分および接点の候補生成、(ii) 線分および接点のマッチング、(iii) 線分および接点の検証です。線分候補の計算においては、新しい正確な双対表現が提案され、これは線分の簡素な幾何学的再パラメータ化を利用し、入力画像に対して全体的な4次元アトラクションフィールドマップを形成します。接点はこのアトラクションフィールドにおける「盆地」のように扱うことができます。したがって、提案手法は「全体的に引き寄せられるワイヤーフレームパーサー（Holistically-Attracted Wireframe Parser, HAWP）」と呼ばれています。実験では、提案手法が2つのベンチマークデータセット（Wireframe データセットと YorkUrban データセット）で評価されました。両方のベンチマークにおいて、精度と効率性の面で最先端の性能を達成しています。例えば、Wireframe データセットでは、従来の最先端手法であるL-CNNと比較して、困難な平均構造的平均精度（mean structural average precision, msAP）が大幅に向上しており（絶対値で2.8%向上）、単一GPU上で29.5 FPSを達成しています（相対的に89%向上）。さらに体系的な削減研究が行われていて、提案手法の有効性がより明確に示されています。