BriefGPT - AI 论文速递
·
ZiCo-BC: 一个用于视觉任务的偏差校正零样本 NAS
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新架构ZS3Net，用于零样本语义分割任务，结合深度视觉分割模型和语义词嵌入生成视觉表示。文章通过自我训练进一步提高了性能，并在Pascal-VOC和Pascal-Context两个标准分割数据集上提出了零样本基准并设立竞争基线。同时，文章还使用图形上下文编码来完全利用来自类别分割地图的空间上下文先验知识，以应对Pascal-Context数据集中的复杂场景。
🎯
关键要点
- 提出了一种新任务：零样本语义分割，要求学习像素级分类器从未见过的物体类别中进行分类。
- ZS3Net 是一种新架构，结合深度视觉分割模型与语义词嵌入生成视觉表示的方法。
- 通过自我训练进一步提高了性能。
- 在 Pascal-VOC 和 Pascal-Context 两个标准分割数据集上提出了零样本基准并设立竞争基线。
- 使用图形上下文编码来利用来自类别分割地图的空间上下文先验知识，以应对复杂场景。
➡️
