AIGC動態歡迎閱讀

原標題：超越CVPR 2024方法，DynRefer在區域級多模態識別任務上，多項SOTA
關鍵字：區域,視圖,任務,分辨率,圖像
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心發布
機器之心編輯部為了實現高精度的區域級多模態理解，本文提出了一種動態分辨率方案來模擬人類視覺認知系統。本文作者來自于中國科學院大學LAMP實驗室，其中第一作者趙毓鐘是中國科學院大學的2023級博士生，共同一作劉峰是中國科學院大學2020級直博生。他們的主要研究方向是視覺語言模型和視覺目標感知。
簡介
DynRefer 通過模擬人類視覺認知過程，顯著提升了區域級多模態識別能力。通過引入人眼的動態分辨率機制，DynRefer 能夠以單個模型同時完成區域識別、區域屬性檢測和區域字幕生成（region-level captioning）任務，并在上述任務都取得 SOTA 性能。其中在 RefCOCOg 數據集的 region-level captioning 任務上取得了 115.7 CIDEr，顯著高于 RegionGPT，GlaMM，Osprey，Alpha-CLIP 等 CVPR 2024 的方法。論文標題：DynRefer: Delving into Region-level Multi-modality Tasks via Dynamic Resolution
論文鏈接：

原文鏈接：超越CVPR 2024方法，DynRefer在區域級多模態識別任務上，多項SOTA

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺