Point2RBox, 点直接生成旋转框, 代码已集成至mmrotate | CVPR 2024

论文介绍

题目：Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision

会议：2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

论文：http://arxiv.org/abs/2311.14758

代码：https://github.com/yuyi1005/point2rbox-mmrotate

创新点

• 基于合成图案的知识组合：通过在原始图像上叠加合成的视觉图案，来模拟具有明确尺寸和方向的目标，从而帮助模型学习如何从一个单独的点出发，推断出目标的具体形状、大小和方向。这个过程允许模型从非常有限的监督中学习框的回归。

• 基于变换的自监督：通过强制模型学习图像变换（翻转、旋转和缩放）后目标的一致性表征，提高模型对目标尺寸、位置和方向估计的准确性和鲁棒性。

• 端到端框架：Point2RBox是点监督的端到端解决方案，与先将点注释转换为水平框(HBox)或掩膜(Mask)然后再转换为RBox的两步方法形成对比。这种直接方法既创新又节省计算资源。

区别于现有的两种“Point-to-RBox”的方式：

• Point-to-HBox-to-RBox

  简单的结合P2B和H2RBOX两种算法，缺点是可能带来累积误差，即把P2B结果作为了真值。