摘要

在自然图像中，物体骨架的尺度（厚度）可能在不同物体及其部分之间显著变化，这使得物体骨架检测成为一个具有挑战性的问题。我们提出了一种新的卷积神经网络（CNN）架构，通过引入一种名为Hi-Fi的新颖层次特征融合机制来解决这一问题。所提出的基于CNN的方法具备强大的多尺度特征融合能力，能够从深层捕捉高层次的语义信息，同时从浅层获取低层次的细节信息。通过双向引导分层次地整合不同的CNN特征层级，我们的方法不仅实现了跨层级特征之间的相互精炼，还具备了捕捉丰富物体上下文和高分辨率细节的强大能力。实验结果表明，我们的方法在有效融合不同尺度特征方面显著优于现有最先进方法，在多个基准测试中表现出明显的性能提升。