BriefGPT - AI 论文速递
·
UniFS：基于点表示的通用少样本实例感知
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文介绍了一个名为广义Few-Shot语义分割（GFS-Seg）的新基准数据集，用于分析模型在分割新类别和基础类别时的内在泛化能力。提出了上下文感知原型学习（CAPL）方法来提高Few-Shot Segmentation的性能，实验证明CAPL具有很好的泛化性能。
🎯
关键要点
- 介绍了广义Few-Shot语义分割（GFS-Seg）新基准数据集。
- GFS-Seg用于分析模型在分割新类别和基础类别时的内在泛化能力。
- 提出了上下文感知原型学习（CAPL）方法以提高Few-Shot Segmentation的性能。
- CAPL通过利用共现先验知识和动态丰富上下文信息来增强分类器。
- 在Pascal-VOC和COCO上的实验表明CAPL具有良好的泛化性能。
- CAPL的性能与现有的最先进方法相比具有竞争力。
🏷️
标签
➡️
