💡
原文中文，约4400字，阅读约需11分钟。
📝
内容提要
香港大学研究团队提出的新型视觉基础模型OverLoCK，结合了人类视觉的“纵观全局-聚焦细节”机制。在多个数据集上表现优异，特别是在ImageNet-1K上达到84.2%的准确率，超越现有卷积网络和Transformer，展现出强大的动态建模能力。
🎯
关键要点
- 香港大学研究团队提出新型视觉基础模型OverLoCK，结合人类视觉的双阶段认知机制。
- OverLoCK在多个数据集上表现优异，特别是在ImageNet-1K上达到84.2%的准确率。
- Top-down Attention机制利用大脑反馈信号定位关键区域，但现有网络缺乏显式的自上而下的语义指导。
- OverLoCK采用深度阶段分解策略，构建了Base-Net、Overview-Net和Focus-Net三个子模型。
- ContMix动态卷积模块通过计算特征图中token与全局上下文的联系，增强了全局建模能力。
- OverLoCK在目标检测和实例分割任务中表现优于现有方法，尤其在COCO 2017数据集上。
- 在语义分割任务中，OverLoCK在ADE20K数据集上也展现出卓越性能，超越其他强大模型。
- 消融研究表明，ContMix模块在高分辨率任务中具有明显优势，提升了全局建模能力。
- 可视化研究显示OverLoCK的Top-down Guidance机制有效提升了目标物体的空间定位和轮廓特征。
❓
延伸问答
OverLoCK模型的主要创新点是什么？
OverLoCK模型结合了人类视觉的双阶段认知机制，采用深度阶段分解策略和动态卷积模块ContMix，增强了全局建模能力。
OverLoCK在ImageNet-1K上的表现如何？
OverLoCK在ImageNet-1K上达到了84.2%的Top-1准确率，超越了现有的卷积网络和Transformer。
ContMix模块的作用是什么？
ContMix模块通过计算特征图中token与全局上下文的联系，增强了动态卷积的全局建模能力。
OverLoCK在目标检测任务中的表现如何？
在COCO 2017数据集上，OverLoCK在目标检测任务中表现优于现有方法，提升了APb指标。
OverLoCK如何实现Top-down Attention机制？
OverLoCK通过Overview-Net生成粗粒度的全局信息，并将其作为Top-down Guidance引导Focus-Net进行细节分析。
OverLoCK在语义分割任务中的表现如何？
OverLoCK在ADE20K数据集上表现优异，超越了其他强大模型，展现出更好的性能。
➡️
