最重要人物定位与群体情境理解的 MIP-GAF：一种 MLLM 注释基准

BriefGPT - AI 论文速递 · 2024-09-10T00:00:00Z

本文提出了一种基于Transformer的联合注意力估计方法，通过引入上下文线索和模拟属性之间的相互作用，编码低维特征。通过预测像素级联合注意力的置信度热力图，改善了热力图准确性，并结合图像的普通注意力估计进一步提高了联合注意力估计。在定量实验中表现更好。