EFDTR:用“傅里叶变换”做实例分割？

news2026/3/20 2:07:03

EFDTR：让机器“用曲线画轮廓”的实例分割新思路很多实例分割方法，做法都很直观：让模型给目标“涂满像素”，最后得到一张 mask。这样效果通常不错，但代价也很明显——输出很重、后处理多，而且轮廓信息并不天然“规整”。这篇论文提出的EFDTR，想走一条更“几何化”的路：不直接预测整张像素 mask，而是让模型学习目标边界的轮廓，并用椭圆傅里叶描述子（Elliptic Fourier Descriptors, EFD）来表示形状。论文的核心想法是：与其让模型去猜一大堆散乱的边界点，不如先用频域方式抓住物体整体形状，再逐步把轮廓修细。这篇论文到底解决了什么问题？传统 polygon-based 方法通常直接回归顶点坐标，但这里有个很麻烦的问题：预测点到底该和真实轮廓上的哪个点对齐？如果按极坐标去配对，适合星形或规则目标，但一遇到凹形、复杂形状就容易漏掉细节；如果按欧式距离硬匹配，又会出现“明明离得近，但其实不是同一个拓扑位置”的歧义。论文认为，很多 polygon 方法效果上不去，根子就在这里。EFDTR 的办法是把封闭轮廓映射到傅里叶空间。这样，轮廓上的每个点都能对应一个phase（相位），相当于给边界点加了“沿轮廓前进到哪里”的身份标签。于是，哪

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2428364.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！