BriefGPT - AI 论文速递
·
APSeg：面向跨领域少样本语义分割的自动提示网络
💡
原文中文，约400字，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，用于分析在分割具有非常少示例的新类别和具有足够示例的基础类别的情况下的内在泛化能力。提出了一种名为“上下文感知原型学习（CAPL）”的方法来提高模型性能，通过利用共现先验知识和动态丰富上下文信息到分类器。在Pascal-VOC和COCO上的实验表明CAPL在Few-Shot Segmentation上具有很好的泛化性能，与现有方法相比有竞争力。
🎯
关键要点
- 介绍了广义Few-Shot语义分割（GFS-Seg）新基准数据集。
- 该数据集用于分析分割新类别和基础类别的内在泛化能力。
- 提出了上下文感知原型学习（CAPL）的方法以提高模型性能。
- CAPL利用共现先验知识和动态丰富上下文信息。
- 在Pascal-VOC和COCO上的实验表明CAPL具有良好的泛化性能。
- CAPL的性能与现有方法相比具有竞争力。
🏷️
标签
➡️
