Tag · 3 篇
边缘检测
分布 底层视觉与图像复原2视觉语言模型1
01 02 03
StructXLIP：利用多模态结构线索增强视觉-语言模型
StructXLIP: Enhancing Vision-language Models with Multimodal Structural Cues
StructXLIP 将边缘图作为视觉结构代理，并设计结构中心损失来增强视觉-语言对齐，为跨模态检索提供了一种即插即用的微调策略，可复用于其他多模态模型的结构感知训练。
MatchED：基于端到端匹配监督的清晰边缘检测
MatchED: Crisp Edge Detection Using End-to-End, Matching-based Supervision
用可微的一对一匹配替代 NMS 与骨架细化这类不可微后处理，把「训练-测试协议一致性」引入边缘检测；做低层结构预测（边缘、线、骨架、关键点细化）时可直接把该 21K 参数的匹配监督模块挂到现有模型上，实现端到端输出单像素宽结果。
MEMO：使用掩码边缘预测实现类人的清晰边缘检测
MEMO: Human-like Crisp Edge Detection Using Masked Edge Prediction
提出「掩码边缘预测 + 按置信度渐进定稿」的训练/推理范式，无需专用损失或改网络即可把粗边缘细化到单像素级；其置信度梯度观察与渐进预测策略可迁移到其他密集预测任务（如显著性、抠图、二值分割）的细化环节。