BriefGPT - AI 论文速递
·
语义辅助校准的开放词库分割
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
计算机视觉中的目标检测和分割在深度学习时代取得了巨大进展，但现有数据集的标注类别较小且预定义，无法推广到开放词汇之外。近年来，越来越多的关注集中在开放词汇检测和分割上。本调研提供了对过去和最新开放词汇检测和分割发展的全面审查，包括不同方法学的分类和讨论，并提供了一些有前途的方向，以激发未来的研究。
🎯
关键要点
- 计算机视觉中的目标检测和分割在深度学习时代取得了巨大进展。
- 现有数据集的标注类别规模较小且预定义，无法推广到开放词汇之外。
- 近年来，开放词汇检测（OVD）和分割（OVS）受到越来越多的关注。
- 本调研提供了对过去和最新OVD和OVS发展的全面审查。
- 根据任务类型和方法学开发了一个分类法。
- 不同的方法学包括视觉-语义空间映射、新颖的视觉特征合成等。
- 弱监督信号的许可和使用可以很好地区分不同的方法学。
- 所提出的分类法在目标检测、语义/实例/全景分割等任务之间是通用的。
- 详细讨论了每个类别的主要原则、关键挑战、发展路线、优缺点。
- 对每个方法的关键组成部分进行了基准测试。
- 提供了一些有前途的方向，以激发未来的研究。
➡️
