초록
선분 검출은 컴퓨터 비전에서 기본적인 저수준 작업이며,이 작업의 개선은 이를 기반으로 하는 보다 고급 방법에 영향을 미칠 수 있습니다. 선분 검출을 위한 대부분의 새로운 방법들은컨벌루션 신경망(CNNs)을 기반으로 하고 있습니다. 본 논문에서는 선분 검출을 위한 트랜스포머 기반 방법의 보다 널리된 채택을 방해하는 문제들을 해결하고자 합니다. 구체적으로, 크로스 스케일 상호작용을 지원하고 빠르게 학습할 수 있는 새로운 모델인 변형 가능한 트랜스포머 기반 선분 검출기(Deformable Transformer-based Line Segment Detection, DT-LSD)를 소개합니다. 이 연구는 LETR의 단점을 보완하는 새로운 변형 가능한 트랜스포머 기반 선분 검출기(DT-LSD)를 제안합니다. 더 빠른 학습을 위해, 우리는 일대일 매칭 과정을 안정화시키고 학습 속도를 34배 높이는 Line Contrastive DeNoising (LCDN) 기술을 도입하였습니다. 실험 결과, DT-LSD는 그 전의 트랜스포머 기반 모델(LETR)보다 빠르고 정확하며, 모든 CNN 기반 모델보다 정확도 면에서 우수함을 입증하였습니다. Wireframe 데이터셋에서 DT-LSD는 $sAP^{10}$에서 71.7, $sAP^{15}$에서 73.9를 달성하였으며, YorkUrban 데이터셋에서는 $sAP^{10}$에서 33.2, $sAP^{15}$에서 35.1를 기록하였습니다.