第一段階のTransformerで16×16のパッチを入力とした大域的な特徴抽出からエッジ検出を行い、第二段階のTransformerで8×8の小さいパッチとして洗練させるEDTERを提案した。また、複数レベルの特徴抽出のサイズを揃え、トップダウンとボトムアップの双方向の経路で集約するBiMLAデコーダも提案した。

BSDS500とNYUDv2とMulticueのデータセットで比較評価を行い、従来手法を上回る結果。

新たなネットワーク構造を提案したことと、検出性能の高さで通ったと考えられる。MMSegmentationベースの実装( https://github.com/MengyangPu/EDTER )が公開されている。